Question

我在一个由因子组成的数据框中有两个向量（每个因子约有10000个）。

以下是我的数据外观的简化示例：

tg<-data.frame(A=sample(letters[1:5],30,replace=TRUE),
               B=sample(letters[1:5],30,replace=TRUE))
   A B
1  b b
2  a b
3  e e
4  c b
5  e e
6  a b
7  d a
8  d a
9  d b
10 a e
11 a e
. . .

我想组合（逐行）两列中的元素并创建一个新ID。

一种方法是简单地将两个列粘贴在一起：

paste0(tg$A,tg$B)
[1] "bb" "ab" "ee" "cb" "ee" "ab" "da" "da" "db" "ae"
"ae" "bc" "ae" "bb" "ec" "ba" "dd" "de" "cd" "eb" "cd"
"db" "dc" "ab" "ae" "cc" "dc" "ce" "eb" "ea"

但是我想制作一个将“ab”和“ba”视为相同的新ID，我该怎么做？

编辑：抱歉令人困惑的标题，我找不到更好的方法来解释这个问题（因此无法找到任何解决方案 - 如果已有的话）。

Answer 1

对您的ID中的字母进行排序将解决问题（this question之后）：

strSort <- function(x)
     sapply(lapply(strsplit(x, NULL), sort), paste, collapse="")
unique(sapply(new_ids, strSort))
 [1] "be" "bd" "bc" "ae" "aa" "ab" "ad" "cd" "ac" "dd" "ee" "ce" "cc" "de"

从两个向量创建新ID（双向）

1 个答案: