Question

想象一下，我有一个列表，定义如下：

test <- list(1:4,5,8,1,2:3,10)

如果它们包含任何类似的数字，我想以某种方式匹配列表的元素。例如，我想匹配test[[1]]和test[[4]]，因为它们都包含1.同样，test[[1]]和test[[5]]也会匹配，因为它们都包含2和3。 / p>

匹配后，我想构建一个对应每个匹配的唯一ID。例如，答案将是以下列表

ans <- list(1,2,3,1,1,4)

编辑： 这个答案背后的直觉是，如果列表test的元素共享一个共同的匹配，它们会收到相同的ID。这意味着，即使test[[4]]和test[[5]]不匹配，但每个匹配test[[1]]的事实意味着它们将被分配相同的ID。

这显然是一个玩具的例子。在实践中，我想将此匹配应用于大型列表（＆gt; 100,000k元素）。考虑到这一点，算法需要有点效率。

提前致谢！

Answer 1

这可能是一个非常有效的答案，因为它嵌套了for和两个if。它确实有用，所以它可能是你或其他人的起点。

test <- list(1:4,5,8,1,2:3,10)
ids <- 1

for (i in 2:length(test)) {     # start at second because next loop is backwards
  for (j in (i-1):1) {          # will match against previous items
    if (any(test[[j]] %in% test[[i]])) { # checks if there's any match between list items
      ids <- c(ids, ids[j])     # repeat the matched id
      break                     # leaves the loop if a match is found
    }
  }
  if (length(ids) < i) {        # if didn't match before
    ids <- c(ids, max(ids) + 1) # creates a new id from the last
  }
}
ids
# [1] 1 2 3 1 1 4

我还建议在更大的测试样本或部分实际数据上运行此操作，因为该示例非常小，我可能错过了一些内容。

Answer 2

这是使用data.table的一种方式：

require(data.table)
# generate a data.table from your data
id = rep(seq_along(test), sapply(test, length))
dt = data.table(id, val = unlist(test))
# solution
dt[, ans := id[1L], by=val][, ans := .GRP, by=ans][, ans[1L], by=id]$V1
# [1] 1 2 3 1 1 4

R中列表中的匹配元素

2 个答案: