Question

我想要什么

我有一个daframe，前两列是 m 字符串值的组合。这些值是用户ID，数据框表示它们之间的关系。每行包括用户标准（ user1 ， user2 ）以及 user1 访问 user2 的次数轮廓。 m 有不同的用户，但每个可能的关系都没有行，仅适用于访问过其他人的个人资料的人。相互配对可以有不同的值，甚至不存在（如果 user1 已经访问了 user2 的配置文件，但没有相反的方式）。

我想创建我的数据框的简化版本，更容易使用。因此，我想提取至少 r 关系的 n 用户组（ n ＆lt; m ）之间。我需要开发一个函数来检查是否至少存在 r 行（关系），任何 n 用户组合（ n ＆lt; ; m ）。如果是，则该函数返回由它们形成的数据帧。也就是说，该函数应返回符合以下要求的daframe（让我们将其命名为 S ）：

S 是原始数据框的子集
NROW（S）＆gt; = r
NROW（独特（追加（S [1]，S [2]）））= n

小例子

这是一个最小的示例，其中用户ID只是一个字母。有5个不同的用户（a，b，c，d，e）和它们之间的10个关系：

 >df
      user1   user2 views
 1        a       b     1
 2        a       c     1
 3        a       d     3
 4        b       a     1
 5        c       b     1
 6        c       d     2
 7        c       e     4
 8        d       a     5
 9        d       e     1
 10       d       c     2

对于 r = 8 n = 4，我尝试提取一组4个用户，他们之间至少有8个关系。输出应该是8行的数据帧，前两列中只包含4个不同的 user 值（如果有的话）。有5种不同的4用户组合，其值高于[（a，b，c，d），（a，b，c，e），（a，b，d，e），（a，c，d， e），（b，c，d，e）]。然而，只有其中一个（a，b，c，d）包括成员之间的8个关系。输出应该是：

[1] "a" "b" "c" "d"
    user1   user2 views
1       a       b     1
2       a       c     1
3       a       d     3
4       b       a     1
5       c       b     1
6       c       d     2
7       d       a     5
8       d       c     2

对于 r = 6 n = 4，目的是找到一组4个用户，他们之间有6个关系。在这种情况下，有2个4用户组合满足形成至少6行[（a，b，c，d），（a，c，d，e）]的要求。输出可以是以下任何一种：

[1] "a" "b" "c" "d"
    user1   user2 views
1       a       b     1
2       a       c     1
3       a       d     3
4       b       a     1
5       c       b     1
6       c       d     2
7       d       a     5
8       d       c     2

 [1] "a" "c" "d" "e"
    user1   user2 views
1       a       c     1
2       a       d     3
3       c       d     2
4       c       e     4
5       d       a     5
6       d       c     2
7       d       e     1

r ＆gt; 8，没有4用户组合有效。没有4个用户组，它们之间的关系超过8个。然后，输出应为NULL。

解决方案（如果数据框很小）

小数据帧的解决方案（适用于这个最小的例子）可以是获得所有可能的n用户组合并迭代它们，检查其中一个是否满足在df中形成r关系的要求。代码可能是这样的：

library(dplyr)
library(trotter)

obtainUserGroup <- function(df,n,r){

## Get unique letter _users_ in dataframe
us <- unique(append(df$user1,df$user2))

## All possible combinations of users in _us_ in groups of _n_ users
users <- cpv(n,us)

## Iterate over any possible group of _n_ users
for(i in 1:NROW(users)){


    l <- as.character(users[i])
    l <- as.data.frame(permutations(n,2,l),stringAsFactors=FALSE)
    names(l) <- c("user1","user2")

    # Check which combinations in l are part of df
    dc <- semi_join(df,l,by = c("user1", "user2"))


    if(NROW(dc) >= r) return(dc)

 }

return(NULL)
}

df <- data.frame(c("a","a","a","b","c","c","c","d","d","d"), c("b","c","d","a","b","d","e","a","e","c"), c(1,1,3,1,1,2,4,5,1,2), stringsAsFactors=FALSE)
names(df) <- c("user1","user2","views")
n <- 4
r <- 8

obtainUserGroup(df,n,r)

问题

我的用户数据框非常大。尝试将包括数千名用户（ m > 7000）用户的数据帧减少到只有一百或几百（ n ＆lt;＆lt; m ）很麻烦。迭代可能的组合数是不可行的。

是否可以以与for-loop不同（更快）的方式检查所有组合？有没有其他方法来解决这个问题，不同于检查所有可能的组合？

具有r关系的n个用户的子集

0 个答案: