Question

我有一个ID列表和这些ID的位置。现在我想找到几个共同点的id。

我的数据框如下所示：

  id        place           
  Dave      Paris
  Dave      Moscow
  Dave      New York
  Joe       New York
  Joe       Tokyo
  Stuart    Paris
  Stuart    Moscow
  Stuart    New York
  Stuart    Tokyo

结果应如下所示：

pair1   pair2       count
Dave    Joe         1
Dave    Stuart      3
Joe     Stuart      2

我尝试拆分以分割数据：

temp = split(df$name, df$place)

所以我现在把地方分组了，但我没有进一步。

原始数据集有大约100.000个唯一ID。

有人可以帮我找到一个好的，快速的解决方案吗？谢谢！

Answer 1

您可以尝试

library(reshape2)
tbl <-  crossprod(table(df1[2:1]))
tbl[upper.tri(tbl, diag=TRUE)] <- 0
res <- subset(melt(tbl), value!=0)
colnames(res) <- c(paste0('pair',1:2), 'count')
row.names(res) <- NULL
res
#   pair1 pair2 count
#1    Joe  Dave     1
#2 Stuart  Dave     3
#3 Stuart   Joe     2

或另一种选择是

Subdf <- subset(merge(df1, df1, by.x='place',
               by.y='place'), id.x!=id.y)
Subdf[-1] <- t(apply(Subdf[-1], 1, sort))
aggregate(place~., unique(Subdf), FUN=length)
#  id.x   id.y place
#1 Dave    Joe     1
#2 Dave Stuart     3
#3  Joe Stuart     2

Answer 2

或......

library(dplyr)

df1 %>%
  left_join(df1, by = "place") %>%
  filter(id.x < id.y) %>%
  group_by(id.x, id.y) %>%
  summarise(count = n())

修改：如果ID是因素，则运算符<将不起作用。转换为解决方案增加了另一条线（StevenBeaupré的信用额度）：

df1 %>% left_join(df1, by = "place") %>% mutate_each(funs(as.character(.))) %>% filter(id.x < id.y) %>% group_by(id.x, id.y) %>% summarise(count = n())

Answer 3

对于dplyr - esque解决方案，

你可以这样做：

left_join(df, df, by = "place") %>%
  rename(pair1 = id.x, pair2 = id.y) %>%
  filter(!pair1 == pair2, !duplicated(t(apply(., 1, sort))) == TRUE) %>% 
  count(pair1, pair2)

计算每个可能对的值的出现次数

3 个答案: