Question

我正在尝试隔离数据中唯一的项目组 - 与关键列关联的唯一行组，而不是唯一项，这是大多数使用唯一函数的行。这个问题需要仔细阅读......所以请善待消化这个例子。

要明确，我不想要组列的唯一子集，也不想要项目的唯一子集，甚至不需要组和项目的唯一组合。我知道其他地方已经涵盖了unique() for more than one variable。我想要的是唯一的项目集，其中集合由组定义。

这是一个例子

set.seed(1234)
library(data.table)
A <- data.table(group = rep(c("A","B","C","D","E","F"),each = 4), 
item =  c(1, 2, 4, 3, 5, 2, 3, 6, 10, 12, 1, 2, 1, 2, 4, 3, 6, 3,
 5, 2, 10, 12, 1, 2), c = runif(8))
A <- A[-23, ] #so we can have an example of unbalanced groups
> A
    group item          c
 1:     A    1 0.15904600
 2:     A    2 0.03999592
 3:     A    4 0.21879954
 4:     A    3 0.81059855
 5:     B    5 0.52569755
 6:     B    2 0.91465817
 7:     B    3 0.83134505
 8:     B    6 0.04577026
 9:     C   10 0.15904600
10:     C   12 0.03999592
11:     C    1 0.21879954
12:     C    2 0.81059855
13:     D    1 0.52569755
14:     D    2 0.91465817
15:     D    4 0.83134505
16:     D    3 0.04577026
17:     E    6 0.15904600
18:     E    3 0.03999592
19:     E    5 0.21879954
20:     E    2 0.81059855
21:     F   10 0.52569755
22:     F   12 0.91465817
23:     F    2 0.04577026

#The unique groups are A:F, and the unique items are 1:6,10,12. 
#The unique sets of items are: # (set1) 1,2,3,4; (set2) 5,2,3,6; 
#(set3) 10,2,1,2; (set4) 10,12,2

我想要检索这些独特的项目集（再次注意项目集是由组形成的）。（第三栏目前意义不大。为了好玩，我在每个“项目”中包含总和）。输出表应如下所示：

group item c 
A 1 0.68474355 #note that groups A and D share this same set of items (set1) 
A 2 0.95465409
A 4 1.05014459# c sums groupAitem4$c with groupDitem4$c
A 3 0.85636881
B 5 0.74449709 # group E has the same items (set2), even if not the same order, c is totaled by item.
B 2 1.72525672
B 3 0.87134097
B 6 0.20481626
C 10 0.159046
C 12 0.03999592
C 1 0.21879954
C 2 0.81059855
F 10 0.52569755 #Not the same as group C
F 12 0.91465817
F 2 0.04577026

我想可能有一种方法可以通过重塑进行非常尴尬的方式。我的数据量很大，因此非常感谢像data.table这样有效的程序。

Answer 1

library(plyr)  
my<-ddply(A,.(group),summarize, mylist=list(item))

> my
  group       mylist
1     A   1, 2, 4, 3
2     B   5, 2, 3, 6
3     C 10, 12, 1, 2
4     D   1, 2, 4, 3
5     E   6, 3, 5, 2
6     F    10, 12, 2

yy<-as.list(1:6) # used for `Map` function
my$mylist<-Map(function(x) sort(my$mylist[[x]]),yy) # sort the order of elements in list for matching

> my
  group       mylist
1     A   1, 2, 3, 4
2     B   2, 3, 5, 6
3     C 1, 2, 10, 12
4     D   1, 2, 3, 4
5     E   2, 3, 5, 6
6     F    2, 10, 12

myuni<-unique(my$mylist)

> myuni
[[1]]
[1] 1 2 3 4

[[2]]
[1] 2 3 5 6

[[3]]
[1]  1  2 10 12

[[4]]
[1]  2 10 12

finaloutput<-my[match(myuni,my$mylist),]
  group       mylist
1     A   1, 2, 3, 4
2     B   2, 3, 5, 6
3     C 1, 2, 10, 12
6     F    2, 10, 12

A[A$group %in% finaloutput$group,]
   group item           c
1      A    1 0.113703411
2      A    2 0.622299405
3      A    4 0.609274733
4      A    3 0.623379442
5      B    5 0.860915384
6      B    2 0.640310605
7      B    3 0.009495756
8      B    6 0.232550506
9      C   10 0.113703411
10     C   12 0.622299405
11     C    1 0.609274733
12     C    2 0.623379442
21     F   10 0.860915384
22     F   12 0.640310605
23     F    2 0.232550506

Answer 2

如果你只需要组合

unique(dataset[, c("group", "item")])

Answer 3

由于您不使用set.seed或dput，因此每个尝试使用您的代码的人都会得到不同的结果。这可能会给你你想要的东西，虽然目前还不清楚组中的项目数量是否总是很小，是否只是所需的2路组合：

unique(t(do.call(cbind, tapply(A$item, A$group, combn, 2) ) )  )

combn函数以列格式返回唯一组合，因此我需要在使用默认情况下对行进行操作的unique之前进行转置。如果您可以使用面向列的结果，则可以跳过该步骤，如果您使用MARGIN参数：

unique(do.call(cbind, tapply(A$item, A$group, combn, 2) )  , MARGIN=2)

在多变量数据中查找唯一的“项目组”

3 个答案: