R在数据框中生成非重复对,避免相同的组成员

Posted

技术标签:

【中文标题】R在数据框中生成非重复对,避免相同的组成员【英文标题】:R Generate non repeating pairs in data frame, avoiding same group members 【发布时间】:2016-09-03 03:04:59 【问题描述】:

所以目的是通过取距离来比较每个 ID 和其他 ID。此外,某些 ID 可能因属于同一组而相关,这意味着如果它们相关,则无需比较它们。

考虑以下数据框 Df

ID AN     AW      Group
a  white  green   1
b  black  yellow  1
c  purple gray    2
d  white  gray    2

以下代码有助于实现此结果(来自问题:R Generate non repeating pairs in dataframe):

ids <- combn(unique(df$ID), 2)
data.frame(df[match(ids[1,], df$ID), ], df[match(ids[2,], df$ID), ])

#ID   AN     AW    ID2   AN2    AW2
a   white  green   b   black  yellow
a   white  green   c   purple gray
a   white  green   d   white  gray
b   black  yellow  c   purple gray 
b   black  yellow  d   white  gray
c   purple gray    d   white  gray

我想知道是否可以不计算某些计算以获得这个答案:

#ID   AN     AW    Group   ID2   AN2    AW2   Group2
a   white  green     1      c   purple gray    2
a   white  green     1      d   white  gray    2
b   black  yellow    1      c   purple gray    2
b   black  yellow    1      d   white  gray    2

意思是我可以避免这种计算:

#ID   AN     AW    Group   ID2   AN2    AW2    Group2
a   white  green     1      b   black  yellow    1
c   purple gray      2      d   white  gray      2

如果我比较组,我可以进行子集化,但这意味着更多的计算时间,因为数据框很大,并且组合遵循n*(n-1)/2

这可能吗?还是我必须进行所有组合,然后将同一组之间的比较子集出来?

【问题讨论】:

【参考方案1】:

这是一个相当冗长的基本 R 解决方案,它假设可能有两个以上的组。

# create test data.frame
df <- data.frame(ID=letters[1:4], AN=c("white", "black", "purple", "white"),
                 AW=c("green", "yellow", "gray", "gray"),
                 Group=rep(c(1,2),each=2), stringsAsFactors=FALSE)

# split data.frame by group, subset df to needed variables
dfList <- split(df[, c("ID", "Group")], df$Group)
# use combn to get all group-pair combinations
groupPairs <- combn(unique(df$Group), 2)

接下来,我们循环(通过sapply)所有成对的组组合。对于每个组合,我们构建一个 data.frame,它是每个组之间通过expand.grid 的 ID 的成对组合。 ID 从命名列表中提取(使用 [[]] 运算符),dfList 使用来自 groupPairs[1,i]groupPairs[2,i] 的名称。

# get a list of all ID combinations by group combination
myComparisonList <- sapply(1:ncol(groupPairs), function(i) 
                           expand.grid(dfList[[groupPairs[1,i]]]$ID,
                                       dfList[[groupPairs[2,i]]]$ID,
                                       stringsAsFactors=F)
                           )
# extract list of combinations to matrix
idsMat <- sapply(myComparisonList, rbind)

# bind comparison pairs together by column
dfDone <- cbind(df[match(idsMat[,1], df$ID), ], df[match(idsMat[,2], df$ID), ])
# differentiate names
names(dfDone) <- paste0(names(dfDone), rep(c(".1", ".2"),
                        each=length(names(df))))

【讨论】:

确实我有两个以上的组,我试图理解代码,但如果我从'myComparisonList 运行它,它会抛出这个错误:Error: unexpected ')' in: " dfList[[groupPairs[2,i]]]$ID, stringsAsFactors=F))" 这行得通!!!!我不太了解 myComparisonList 的部分。你能澄清一下吗?但这个答案真的帮了我很多! @SaulGarcia 希望我的回答中的其他信息会有所帮助。 我很感激!谢谢【参考方案2】:

如果您可以使用 sql 来执行此操作,那么 g 代表组。

sqldf("select * from f t1 inner join f t2 on t1.g!=t2.g")

【讨论】:

以上是关于R在数据框中生成非重复对,避免相同的组成员的主要内容,如果未能解决你的问题,请参考以下文章

R基本问题:避免多次使用数据框名称进行添加

如何避免在 rand() 函数生成的矩阵中使用相同的成员?

C++预处理器:避免成员变量列表的代码重复

在 R 中生成不重复的组合对

Python: 通过引用将类成员项传递给它的一个成员函数。

对多个数据成员进行排序[重复]