Question

我正在使用R中的RecordLinkage包来重复数据集。 RecordLinkage包中的重复数据输出包含循环。

例如：

表格链接

    id name           id2  name2  
    1  Jane Johnson   5    Jane Johnson  
    5  Jane Johnson   17   Jane Johnson

我正在尝试创建一个表，列出与记录循环中所有其他id号相关联的每个id。

例如：

    id1  id2  id3  Name  
    1    5    17   Jane Johnson

或

    Name          Ids
    Jane Johnson  1,5,17

这可能在R？我尝试使用sqldf包将数据集连接到自身多次，以尝试将所有id放在同一行上。

例如：

    rlinkage2 <-sqldf('select a.id, 
    a.id2, 
    b.id as id3
    b.id2 as id4
    from rlinkage a
    left join rlinkage b
    on a.id = b.id
    or a.id = b.id2
    or a.id2 = b.id
    or a.id2 = b.id2')

这会创建一个非常混乱的数据集，并且不会将所有id放在同一行上，除非我多次将表rlinkage连接到它自己。有更好的方法吗？

Answer 1

1）sqldf 要使用sqldf联合两组列，然后使用group_concat

sqldf("select name, group_concat(distinct id) ids from (
         select id, name from rlinkage 
         union 
         select id2 id, name2 name from rlinkage
       ) group by name")

，并提供：

          name    ids
1 Jane Johnson 1,5,17

2）rbind / aggregate 使用普通R：

long <- rbind(rlinkage[1:2], setNames(rlinkage[3:4], names(rlinkage)[1:2]))
aggregate(id ~ name, long, function(x) toString(unique(x)))

，并提供：

          name       id
1 Jane Johnson 1, 5, 17

注意：我们将此作为数据使用：

Lines <- "id,name,id2,name2
1,Jane Johnson,5,Jane Johnson
5,Jane Johnson,17,Jane Johnson"

rlinkage <- read.csv(text = Lines, as.is = TRUE)

删除RecordLinkage中的循环

1 个答案: