我在这里遇到以下问题： 我有一个如下所示的数据框：
aa<-c(0,0,0,1,1,0,0)
bb<-c(1,1,0,0,1,0,1)
cc<-c(0,1,0,0,0,1,0)
d<-data.frame(aa,bb,cc)
数据始终是二进制数据，代码为缺席/存在数据。 我想要的是新列，其中所有可能的变量组合都满足某些假设。对于这个数据帧，它就像
d$aabb<-ifelse(d$aa=="1"&d$bb=="1"&d$cc=="0",1,0) #aa=1,bb=1,cc=0
d$aacc<-ifelse(d$aa=="1"&d$cc=="1"&d$bb=="0",1,0) #aa=1,bb=0,cc=1
d$bbcc<-ifelse(d$bb=="1"&d$cc=="1"&d$aa=="0",1,0) #aa=0,bb=1,cc=0
d$daabbcc<-ifelse(d$aa=="1"&d$bb=="1"&d$cc=="1",1,0) #aa=bb==cc=1
然而，我有30列，我不想手工填写它们。另一个好处是，如果生成的列名称是原始列(aa+bb->aabb)等的组合
我查看了expand.grid()函数，但这不是我想要的
提前致谢
答案 0 :(得分：4)
一些数据：
aa<-c(0,0,0,1,1,0,0)
bb<-c(1,1,0,0,1,0,1)
cc<-c(0,1,0,0,0,1,0)
dd<-rbinom(7,1,.5)
ee<-rbinom(7,1,.5)
ff<-rbinom(7,1,.5)
d<-data.frame(aa,bb,cc,dd,ee,ff)
创建一个变量，它是值的所有可能组合：
combinations <- apply(d,1,function(x) paste(names(d)[as.logical(x)],collapse=""))
将该变量转换为一组命名变量，并将结果绑定到d：
d2 <- sapply(unique(combinations), function(x) as.numeric(combinations==x))
当原始df中只有一个值时，防止出现重复的列名：
colnames(d2) <- paste0(colnames(d2),"1") # could be any naming convention
d2 <- cbind(d, d2)
答案 1 :(得分：2)
无论它是否适用于实际问题，这都是一种有趣的编程练习。这是从6列创建所有63（= 2 ^ 6 - 1）种可能组合的代码，不包括null。 （顺便说一句，我看不出这个问题有什么不清楚;它在第二句中说“所有可能的组合”，并且示例代码中创建的一个变量全为零（d$aabbcc。））
# create the source data
d <- data.frame(matrix(rbinom(60, 1, 0.5), ncol=6))
names(d) <- letters[1:6]
# generate matrix of all possible combinations (except the null)
v <- as.matrix(expand.grid(rep(list(c(FALSE, TRUE)), ncol(d))))[-1, ]
# convert the matrix into a list of column indexes
indexes <- lapply(seq_len(nrow(v)), function(x) v[x, ])
names(indexes) <- apply(v, 1, function(x) paste(names(d)[x], collapse="."))
# compute values from the source data
out <- data.frame(lapply(indexes, function(i) as.numeric(apply(d[i], 1, all))))
有一些不必要的计算正在进行，最明显的是后来的组合如何不重用早期的值。尽管如此，即使有1000行也需要几分之一秒，而只有几秒钟就有100000行。看到问题只适用于少量列，我认为进一步的优化不值得为此付出代价。
答案 2 :(得分：1)
设置如下：
aa <- c(0, 0, 0, 1, 1, 0, 0)
bb <- c(1, 1, 0, 0, 1, 0, 1)
cc <- c(0, 1, 0, 0, 0, 1, 0)
d <- data.frame(aa, bb, cc)
准备环境......
require(sets, quietly = T)
require(data.table, quietly = T)
通过从d创建一组集，以“设置”顺序创建唯一的名称列表。
# Created as a list so that duplicates are kept.
namesets <- sapply(seq_len(nrow(d)), function(i) {
gset(colnames(d), memberships = d[i, ])
})
# Then combine the set memberships into names and assign to the sets.
setnames <- sapply(namesets, function(s) {
ifelse(set_is_empty(s), "none", paste(as.character(s), collapse = ""))
})
names(namesets) <- setnames
# Creating set of sets from namesets orders the names and removes duplicates.
namesets <- as.set(namesets)
print(namesets)
## {none = {}, aa = {"aa"}, bb = {"bb"}, cc = {"cc"}, aabb = {"aa",
## "bb"}, bbcc = {"bb", "cc"}}
# Making it easy to create an ordered listing that we can use as a key.
setnames <- ordered(setnames, levels = names(namesets))
print(setnames)
## [1] bb bbcc none aa aabb cc bb
## Levels: none < aa < bb < cc < aabb < bbcc
将d转换为data.table，然后我们可以用各种方式填充成员集列......
# First a simple membership to key-by
dt <- data.table(membership = setnames, d, key = "membership")
print(dt)
## membership aa bb cc
## 1: none 0 0 0
## 2: aa 1 0 0
## 3: bb 0 1 0
## 4: bb 0 1 0
## 5: cc 0 0 1
## 6: aabb 1 1 0
## 7: bbcc 0 1 1
# That might be enough for some, but the OP wants columns
# indicating a membership; so just join a matrix...
membership.map <- t(sapply(dt$membership, function(m) {
m == levels(dt$membership)
}) * 1)
colnames(membership.map) <- levels(dt$membership)
dt <- cbind(dt, split = " ==> ", membership.map)
print(dt)
## membership aa bb cc split none aa bb cc aabb bbcc
## 1: none 0 0 0 ==> 1 0 0 0 0 0
## 2: aa 1 0 0 ==> 0 1 0 0 0 0
## 3: bb 0 1 0 ==> 0 0 1 0 0 0
## 4: bb 0 1 0 ==> 0 0 1 0 0 0
## 5: cc 0 0 1 ==> 0 0 0 1 0 0
## 6: aabb 1 1 0 ==> 0 0 0 0 1 0
## 7: bbcc 0 1 1 ==> 0 0 0 0 0 1
这可以包含在一个快速而肮脏的功能中，如下所示：
membership.table <- function(df) {
namesets <- sapply(seq_len(nrow(d)), function(i) {
gset(colnames(d), memberships = d[i, ])
})
setnames <- sapply(namesets, function(s) {
ifelse(set_is_empty(s), "none", paste(as.character(s), collapse = ""))
})
names(namesets) <- setnames
namesets <- as.set(namesets)
setnames <- ordered(setnames, levels = names(namesets))
dt <- data.table(membership = setnames, d, key = "membership")
membership.map <- t(sapply(dt$membership, function(m) {
m == levels(dt$membership)
}) * 1)
colnames(membership.map) <- levels(dt$membership)
cbind(dt, split = " ==> ", membership.map)
}
mt <- membership.table(d)
identical(dt, mt)
## [1] TRUE
现在，我们应该在从原始数据创建通用集合时按顺序汇总成员资格表和成员资格信息时获得匹配结果。
mt[, lapply(.SD, sum), by = membership, .SDcols = seq(3 + ncol(d), ncol(mt))]
## membership none aa bb cc aabb bbcc
## 1: none 1 0 0 0 0 0
## 2: aa 0 1 0 0 0 0
## 3: bb 0 0 2 0 0 0
## 4: cc 0 0 0 1 0 0
## 5: aabb 0 1 1 0 1 0
## 6: bbcc 0 0 1 1 0 1
as.list(as.gset(d))
## $`3`
## (aa = 0, bb = 0, cc = 0)
##
## $`6`
## (aa = 0, bb = 0, cc = 1)
##
## $`1`
## (aa = 0, bb = 1, cc = 0)
##
## $`2`
## (aa = 0, bb = 1, cc = 1)
##
## $`4`
## (aa = 1, bb = 0, cc = 0)
##
## $`5`
## (aa = 1, bb = 1, cc = 0)
##
## attr(,"memberships")
##
## 1 2 3 4 5 6
## 1 1 2 1 1 1
请注意，bb在成员资格表中的总和为2，而广义集列表中的第三项（表示bb）也显示了2个此类集。
如果将相同的算法应用于Hong的示例，则结果为：
## membership a b c d e f split a bc ce abd acd ade abef acdef abcdef
## 1: a 1 0 0 0 0 0 ==> 1 0 0 0 0 0 0 0 0
## 2: bc 0 1 1 0 0 0 ==> 0 1 0 0 0 0 0 0 0
## 3: ce 0 0 1 0 1 0 ==> 0 0 1 0 0 0 0 0 0
## 4: abd 1 1 0 1 0 0 ==> 0 0 0 1 0 0 0 0 0
## 5: acd 1 0 1 1 0 0 ==> 0 0 0 0 1 0 0 0 0
## 6: ade 1 0 0 1 1 0 ==> 0 0 0 0 0 1 0 0 0
## 7: abef 1 1 0 0 1 1 ==> 0 0 0 0 0 0 1 0 0
## 8: acdef 1 0 1 1 1 1 ==> 0 0 0 0 0 0 0 1 0
## 9: abcdef 1 1 1 1 1 1 ==> 0 0 0 0 0 0 0 0 1
## 10: abcdef 1 1 1 1 1 1 ==> 0 0 0 0 0 0 0 0 1
虽然这个解决方案做得更多（比如排序和排序），但与Hong的解决方案相比，时机并不太可怕;但与托马斯相比......
## Unit: milliseconds
## expr min lq median uq max neval
## hf 241.810 246.411 253.634 262.544 290.345 10
## mt 128.105 137.931 142.966 154.244 210.276 10
## tf 1.754 1.768 1.806 2.312 3.487 10
## plain.gset 1.220 1.330 1.386 1.475 1.644 10
......两种解决方案都很慢。毫无疑问，如果你只需要使用这些套装，那么对于更大的会员来说，也许有一点时间的小插曲是值得的。
答案 3 :(得分：0)
由于所有数据都是二进制的，也就是逻辑的，为什么不将每个潜在的组合转换为数字（0到2 ^ N），然后，类似于@Thomas的答案，将数据帧中的每一行转换为单个二进制序列，并且那么你的新列将只是row_value[j] == column_numeric_value[k]（便宜的伪代码）。也就是说，对于简单的3列输入，有8种可能的输出。如果row[j]为1 0 1，则row_value[j]为十进制“5”，row_value[j] == column_numeric_value[5]为真，所有其他列均为false。