使用 combn 计算不重复的列名组合

Posted 2023-03-31

【中文标题】使用 combn 计算不重复的列名组合

【英文标题】：Calculating combinations of column names without duplicates using combn

【发布时间】：2020-07-14 13:01:52

【问题描述】：

我有两个数据框，每个数据框有 3 列，每个数据框由不同的数据类型组成（df1 具有列名后缀为“con”的连续数据，df2 具有列名后缀为“cat”的分类数据）

我的数据：

df1 <- data.frame(t1_con=c(1:5), t2_con=c(6:10), t3_con=c(11:15))
df2 <- data.frame(t1_cat=letters[1:5], t2_cat=letters[6:10], t3_cat=letters[11:15]))

我想获取列名的所有组合，即 t1_con、t2_con、t3_cat 我试过这段代码：

df3 <- cbind(df1, df2)
results <- combn(names(df3),3,simplify=FALSE)
trait_combinations <- melt(results)

这给了我这样的组合：t1_con、t2_con、t1_cat，其中有 t1 的副本。但是，我不想要 t1、t2 或 t3 的任何重复项。例如。第 1 组很好，因为组中有 t1、t2 和 t3，但第 2 组有 t1 的副本：

head(trait_combinations)

value L1
1 t1_con  1
2 t2_con  1
3 t3_con  1
4 t1_con  2
5 t2_con  2
6 t1_cat  2

有没有办法防止在组合中发生重复，或事后删除重复的字符串？我可以删除后缀，但我需要知道哪些列是连续的和分类的，以便进一步分析。

感谢您的帮助。

【问题讨论】：

一个懒惰且低效的方法是生成所有组合，然后使用unique函数

当我在列名上有后缀时，唯一性不起作用。但如果我把它们取下来。我已经设法获得我想要的东西的冗长方法，但理想情况下有一种更快的方法（因为这将重复 1000 次）。

这是代码：trait_combinations2 <- trait_combinations trait_combinations2$value <- sub("_[^_]+$", "", trait_combinations2$value) ## keep first values trait_combinations2 <- unique(trait_combinations2) trait_combinations2 <- trait_combinations2 %>% group_by(L1) %>% filter(n() >= ncol(trait_temp2)) trait_combinations2 <- trait_combinations2[,-1] trait_combinations3 <- match_df(trait_combinations, trait_combinations2, on = NULL)

我同意它效率低下（这就是我所说的 :-)），但我很困惑为什么它不起作用。这对我来说很好> unique(c("t1_con", "t1_con", "t1_cat")) [1] "t1_con" "t1_cat"

【参考方案1】：

你可以试试

do.call(expand.grid,
        data.frame(rbind(names(df1),names(df2))))

给了

      X1     X2     X3
1 t1_con t2_con t3_con
2 t1_cat t2_con t3_con
3 t1_con t2_cat t3_con
4 t1_cat t2_cat t3_con
5 t1_con t2_con t3_cat
6 t1_cat t2_con t3_cat
7 t1_con t2_cat t3_cat
8 t1_cat t2_cat t3_cat

【参考方案2】：

您可以使用expand.grid() 生成所有 8 种组合。

expand.grid(Map(c, names(df1), names(df2), USE.NAMES = F))

#     Var1   Var2   Var3
# 1 t1_con t2_con t3_con
# 2 t1_cat t2_con t3_con
# 3 t1_con t2_cat t3_con
# 4 t1_cat t2_cat t3_con
# 5 t1_con t2_con t3_cat
# 6 t1_cat t2_con t3_cat
# 7 t1_con t2_cat t3_cat
# 8 t1_cat t2_cat t3_cat

---

说明

首先，使用Map创建一个列表，表示3组候选变量：

Map(c, names(df1), names(df2), USE.NAMES = F)

[[1]]
[1] "t1_con" "t1_cat"

[[2]]
[1] "t2_con" "t2_cat"

[[3]]
[1] "t3_con" "t3_cat"

然后，expand.grid() 将从每个组中选择一个变量，从而生成所有 8 个组合。