Question

我有一个看起来像这样的data.frame：

> DF1      

 A    B    C    D    E     
 a    x    c    h    p 
 c    d    q    t    w
 s    e    r    p    a
 w    l    t    s    i
 p    i    y    a    f

我想将data.frame的每一列与其余列进行比较，以计算公共元素的数量。例如，我想将列A与所有剩余列（B，C，D，E）进行比较，并以这种方式计算公共实体：

A与剩下的：

A vs B：0（因为它们有0个共同元素）
A vs C：1（c共同）
A vs D：2（p和s共同点）
A vs E：3（p，w，a，共同）

然后相同：B与C，D，E列等。

有人能帮帮我吗？我不知道如何实现这一点。

Answer 1

我们可以遍历列名并与其他列进行比较，方法是intersect并获取length

sapply(names(DF1), function(x) {
    x1 <- lengths(Map(intersect, DF1[setdiff(names(DF1), x)], DF1[x]))
    c(x1, setNames(0, setdiff(names(DF1), names(x1))))[names(DF1)]})
#  A B C D E
#A 0 0 1 3 3
#B 0 0 0 0 1
#C 1 0 0 1 0
#D 3 0 1 0 2 
#E 3 1 0 2 0

或者这可以通过在获得长格式化（melt）数据集的频率后获取十字产品来更紧凑地完成

library(reshape2)
tcrossprod(table(melt(as.matrix(DF1))[-1])) * !diag(5)
#    Var2
#Var2 A B C D E
#   A 0 0 1 3 3
#   B 0 0 0 0 1
#   C 1 0 0 1 0
#   D 3 0 1 0 2
#   E 3 1 0 2 0

注意：crossprod部分也通过RcppEigen here实施，这样可以加快速度

Answer 2

另一种方法是使用combn两次，一次获取列组合，然后查找元素交叉点的长度。

cbind.data.frame返回data.frame，setNames用于添加列名。

setNames(cbind.data.frame(t(combn(names(df), 2)),
                 combn(names(df), 2, function(x) length(intersect(df[, x[1]], df[, x[2]])))),
         c("col1", "col2", "count"))
   col1 col2 count
1     A    B     0
2     A    C     1
3     A    D     3
4     A    E     3
5     B    C     0
6     B    D     0
7     B    E     1
8     C    D     1
9     C    E     0
10    D    E     2

交叉比较相同data.frame的列

2 个答案: