Question

我有两个数据集

merge_paper_author：

author_id   paper_id
 731         136
 731         198
 778         241
 ........

paper_author：

paper_id  author_id
 136        731
 136        726
 136        728
 138        731
 138        726
 138        777
 138        798
 140        728
 140        726
 140        731

在paper_id 136的merge_paper_author中，author_id是731.Now我需要取这个paper_id = 136和author_id = 731的值并查看paper_author表。对于paper_id = 136我有3位作者，即author_id = 731,726和728为此，我将有2个author_ids组合（考虑到731固定） - 731,726和731,728。

现在我需要在paper_author的所有论文中查看这个组合并找到这样的组合并计算它们。例如，对于paper_id = 138，我有3个author_ids = 731,777,726。在这里有1个计数731和726.In paper_id = 140有author_id = 731,728和726的组合，所以在这种情况下计数为2（731,726和731和728）。所以总计数是2 + 1 = 3.i也需要出现这种情况的次数。

我需要为merge_paper_author中的每个这样的author_id，paper_id组合做。我编写了一段代码但是非常耗时。我可以用R或sql查询。我的代码是：

count_multiple_sin_pap<-vector()
co_authored_comb_sin_pap<-vector()
 no_coauthors_comb<-vector()
data_papers<-merge_paper_author$paper_id
data_authors_sin<-merge_paper_author$author_id
data_i<-vector()
for(i in 1:length(data_papers))
{
 index<-which(paper_author$paper_id%in%data_papers[i])
 if(length(index)>1){
    authors<-paper_author$author_id[index]
    if(length(unique(authors))==1){data_i<-rbind(data_i,i)}
    else{
    index1<-which(paper_author$author_id%in%data_authors_sin[i])
    author<-paper_author$author_id[index1]
    index2<-which(authors==data_authors_sin[i])
    authors<-authors[-index2]
    index3<-which(paper_author$author_id%in%data_authors_sin[i])
    index4<-which(paper_author$paper_id%in%paper_author$paper_id[index3])
    index5<-which(paper_author$author_id[index4]%in%authors)
    dat<-paper_author$author_id[index4][index5]
    dat<-data.frame(dat)
    agg<-aggregate(list(numdup=rep(1,nrow(dat))), dat, length)
    count_multiple_sin_pap[i]<-length(which(agg$numdup>1))
    co_authored_comb_sin_pap[i]<-sum(agg$numdup)
    no_coauthors_comb[i]<-nrow(agg)
    }}else{count_multiple_sin_pap[i]<-0
      co_authored_comb_sin_pap[i]<-0
      no_coauthors_comb[i]<-0
     }
    }

在上面的代码中，我采用了两个输入data_papers和data_authors_sin

dput(data_papers):
 1696062L, 1696062L, 1701471L, 1701471L, 1707481L, 1707481L, 1722811L, 
 1722811L, 1754307L, 1754307L, 1768287L, 1768287L, 1791496L, 1791496L, 
 1795108L, 1795108L, 1816428L, 1816428L, 1844081L, 1844081L, 1850488L, 
 1856769L, 1856769L, 1931620L, 1931620L, 1947922L, 1955753L, 1955753L, 


 dput(data_authors_sin):
 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 
 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 
 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 
 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L, 2292903L,

由于

r / sql用于两个数据帧之间的操作

0 个答案: