Question

我的数据低于哪个，我想根据ID将其分成几个部分

df1<- structure(list(Ids1 = 1:7, string1 = structure(c(3L, 2L, 4L, 
1L, 1L, 1L, 1L), .Label = c("gdyijq,udyhfs,gqdtr", "hdydg", "hishsgd,gugddf", 
"ydis"), class = "factor"), Ids2 = c(1L, 3L, 4L, 9L, 10L, NA, 
NA), string2 = structure(c(4L, 6L, 2L, 3L, 5L, 1L, 1L), .Label = c("", 
"gdyijq,udyhfs", "gqdtr", "hishsgd,gugddf", "nlrshf", "ydis"), class = "factor")), .Names = c("Ids1", 
"string1", "Ids2", "string2"), class = "data.frame", row.names = c(NA, 
-7L))

第一个我想制作df.1，当我只保留那些具有相似Ids并且计算string1与string2相似的数量时（它们用逗号分隔）。

Ids1    string1         ids2    string2          Similar 
1   hishsgd,gugddf       1      hishsgd,gugddf     2
3   ydis                 3       ydis              1
4   gdyijq,udyhfs,gqdtr  4       gdyijq,udyhfs     2

我这样做

df.1 <- df1[which(df1$Ids1 == df1$Ids2), ]

只给我第一行而没有别的

然后我想要那些只有ids2

中不存在的ID 1

Ids1    string1
2       hdydg
5       gdyijq,udyhfs,gqdtr
6       gdyijq,udyhfs,gqdtr
7       gdyijq,udyhfs,gqdtr

我这样做但也不起作用

df.2<- df1[which(df1$Ids1 != df1$Ids2), ]

最后我想保留那些只在ids2而不是ids1

的那些

Ids1    string1
9       gqdtr
10      nlrshf

我这样做但也不起作用

df.3<- df1[which(df1$Ids2 != df1$Ids1), ]

Answer 1

以下是我可以根据使用dplyr包的连接提出的一个解决方案：

library(dplyr)

df.1 <- inner_join(select(df1, Ids1, string1), select(df1, Ids2, string2), by = c('Ids1' = 'Ids2'))
df.1$Similar <- apply(df.1[, -1], 1, function(x) sum(unlist(strsplit(x[1], ',')) %in% unlist(strsplit(x[2], ','))))

df.2 <- anti_join(select(df1, Ids1, string1), select(df1, Ids2, string2), by = c('Ids1' = 'Ids2'))
df.3 <- anti_join(select(df1, Ids2, string2), select(df1, Ids1, string1), by = c('Ids2' = 'Ids1'))
df.3 <- df.3[complete.cases(df.3), ]

你也可以为df.2和df.3做一些不同的事情，如下所示：

df.2 <- df1[!df1$Ids1 %in% df1$Ids2, c('Ids1', 'string1')]
df.3 <- df1[!df1$Ids2 %in% df1$Ids1, c('Ids2', 'string2')]
df.3 <- df.3[complete.cases(df.3), ]

将数据分成几个部分

1 个答案: