Question

采用链接ID的简单数据框：

test <- data.frame(id1=c(10,10,1,1,24,8),id2=c(1,36,24,45,300,11))

> test
  id1 id2
1  10   1
2  10  36
3   1  24
4   1  45
5  24 300
6   8  11

我现在想把所有链接的ID组合在一起。通过“链接”，我的意思是遵循链接链，以便所有ID都在一个组中被标记在一起。一种分支结构。即：

Group 1
10 --> 1,   1 --> (24,45)
                   24 --> 300
                          300 --> NULL
                   45 --> NULL
10 --> 36, 36 --> NULL,
Final group members: 10,1,24,36,45,300

Group 2
8 --> 11
      11 --> NULL
Final group members: 8,11

现在我大致知道我想要的逻辑，但不知道我将如何优雅地实现它。我正在考虑递归使用match或%in%来关闭每个分支，但这次真的很难过。

我将追逐的最终结果是：

result <- data.frame(group=c(1,1,1,1,1,1,2,2),id=c(10,1,24,36,45,300,8,11))

> result
  group  id
1     1  10
2     1   1
3     1  24
4     1  36
5     1  45
6     1 300
7     2   8
8     2  11

Answer 1

Bioconductor包 RBGL （BOOST图库的R接口）包含一个函数connectedComp()，用于标识图中连接的组件 - 正是你想要的。

（要使用此功能，您首先需要安装图形和 RBGL 包，可用here和here。）< / p>

library(RBGL)
test <- data.frame(id1=c(10,10,1,1,24,8),id2=c(1,36,24,45,300,11))

## Convert your 'from-to' data to a 'node and edge-list' representation  
## used by the 'graph' & 'RBGL' packages 
g <- ftM2graphNEL(as.matrix(test))

## Extract the connected components
cc <- connectedComp(g)

## Massage results into the format you're after 
ld <- lapply(seq_along(cc), 
             function(i) data.frame(group = names(cc)[i], id = cc[[i]]))
do.call(rbind, ld)
#   group  id
# 1     1  10
# 2     1   1
# 3     1  24
# 4     1  36
# 5     1  45
# 6     1 300
# 7     2   8
# 8     2  11

Answer 2

这是我在Josh正确方向推动后发现自己的替代答案。此答案使用igraph包。对于那些正在搜索并遇到此答案的人，我的test数据集在图论中被称为“边缘列表”或“邻接列表”（http://en.wikipedia.org/wiki/Graph_theory）

library(igraph)
test <- data.frame(id1=c(10,10,1,1,24,8 ),id2=c(1,36,24,45,300,11))
gr.test <- graph.data.frame(test)
links <- data.frame(id=unique(unlist(test)),group=clusters(gr.test)$membership)
links[order(links$group),]

#   id group
#1  10     1
#2   1     1
#3  24     1
#5  36     1
#6  45     1
#7 300     1
#4   8     2
#8  11     2

Answer 3

不使用套餐：

# 2 sets of test data
mytest <- data.frame(id1=c(10,10,3,1,1,24,8,11,32,11,45),id2=c(1,36,50,24,45,300,11,8,32,12,49))
test <- data.frame(id1=c(10,10,1,1,24,8),id2=c(1,36,24,45,300,11))

grouppairs <- function(df){

  # from wide to long format; assumes df is 2 columns of related id's
  test <- data.frame(group = 1:nrow(df),val = unlist(df))

  # keep moving to next pair until all same values have same group
  i <- 0
  while(any(duplicated(unique(test)$val))){
    i <- i+1

    # get group of matching values
    matches <- test[test$val == test$val[i],'group']

    # change all groups with matching values to same group
    test[test$group %in% matches,'group'] <- test$group[i]
  }

  # renumber starting from 1 and show only unique values in group order
  test$group <- match(test$group, sort(unique(test$group)))
  unique(test)[order(unique(test)$group), ]
}

# test
grouppairs(test)
grouppairs(mytest)

Answer 4

您说的是递归...，我想当我这样做时会很简洁。

测试数据

mytest <- data.frame(id1=c(10,10,3,1,1,24,8,11,32,11,45),id2=c(1,36,50,24,45,300,11,8,32,12,49))
test <- data.frame(id1=c(10,10,1,1,24,8),id2=c(1,36,24,45,300,11))

递归函数以获取分组

aveminrec <- function(v1,v2){
  v2 <- ave(v1,by = v2,FUN = min)
  if(identical(v1,v2)){
    as.numeric(as.factor(v2))
  }else{
    aveminrec(v2,v1)
  }
}

准备数据并简化之后

groupvalues <- function(valuepairs){
  val <- unlist(valuepairs)
  grp <- aveminrec(val,1:nrow(valuepairs))
  unique(data.frame(grp,val)[order(grp,val), ])
}

获取结果

groupvalues(test)
groupvalues(mytest)

aveminrec（）可能符合您的想法，尽管我敢打赌，有一种方法可以更直接地遍历每个分支，而不是重复本质上为split（）和lapply（）的ave（）。也许递归地分裂和不适？实际上，这就像是重复的部分分支，或者是在不损失组信息的情况下略微简化了两个向量。

也许其中的一部分会用在一个实际的问题上，但是groupvalues（）太密集而无法阅读，至少没有一些注释。我也没有检查过性能与使用ave和以这种方式翻转组的for循环相比如何。

识别连接在一起的链接剧集组

4 个答案: