Question

假设我有一个看起来像这样的数据框。

df1：

import os
MSGABC_PATH = "/usr/bin"
MSGABC_BINARY = "msgabc"
MSGABC_COMMANDLINE_ARGS = "-A30 --before \"/etc/conf/help.txt\""

run_command("%s %s &" % (os.path.join(MSGABC_PATH, MSGABC_BINARY), MSGABC_COMMANDLINE_ARGS)

另一个看起来像这样的数据框：

df2：

ID      Skill        Community
1       IT              X
1       Analytics       X
1       ERP             X
2       Analytics       X
2       ERP             X
2       CRM             X
2       Finance         X

我的目标是基本上说如果一个特定的人（由其ID标识）与 df1 的某人至少具有2个共同的技能，那么他应该也被分配给社区X。

在上面的示例中，ID 3号也应分配给社区 X （因为他具有IT和ERP技能，就像ID 1号一样），但是不是IDnº4，因为他只具有IDnº2（与财务相关）的匹配技能。

对于 df2 ，我的预期输出应如下所示：

ID        Skill
3         Public Speaking
3         IT
3         Management
3         ERP
4         HR
4         Finance
...

目前，我仅将命令％in％与 df2 [df2＆Skill％in％df1 $ Skill，] 一起使用，但这仅检查一项特定技能，并且不会按ID处理。

您对我应该如何解决此问题有任何想法吗？

任何帮助将不胜感激。

Answer 1

请在您的真实数据集上对此进行测试，以查看以下各项是否可行。

library(dplyr)
library(tidyr)

df3 <- df2 %>%
  left_join(df1, by = "Skill") %>%
  drop_na(ID.y) %>%
  count(ID.x, ID.y) %>%
  filter(n > 1) %>%
  distinct(ID.x) %>%
  mutate(Community = "X") %>%
  select(ID = ID.x, Community) %>%
  left_join(df2, ., by = "ID")
df3
#   ID           Skill Community
# 1  3 Public Speaking         X
# 2  3              IT         X
# 3  3      Management         X
# 4  3             ERP         X
# 5  4              HR      <NA>
# 6  4         Finance      <NA>

数据

df1 <- read.table(text = "ID      Skill        Community
1       IT              X
                  1       Analytics       X
                  1       ERP             X
                  2       Analytics       X
                  2       ERP             X
                  2       CRM             X
                  2       Finance         X",
                  header = TRUE, stringsAsFactors = FALSE)

df2 <- read.table(text = "ID        Skill
3         'Public Speaking'
3         IT
3         Management
3         ERP
4         HR
4         Finance",
                  header = TRUE, stringsAsFactors = FALSE)

Answer 2

另一个选择

public final class CollisionMatrix {

    // TODO: Longs have at most 64 bits, so the current implementation fails
    // when there are more than 64 tags.
    private Map<Integer, Long> matrix = new HashMap<Integer, Long>();

    public CollisionMatrix add(Tag tag1, Tag tag2) {
        int id1 = tag1.id;
        int id2 = tag2.id;
        matrix.put(id1, matrix.getOrDefault(id1, 0L) | (1 << id2));
        matrix.put(id2, matrix.getOrDefault(id2, 0L) | (1 << id1));
        return this;
    }

    public CollisionMatrix remove(Tag tag1, Tag tag2) {
        int id1 = tag1.id;
        int id2 = tag2.id;
        matrix.put(id1, matrix.getOrDefault(id1, 0L) & ~(1 << id2));
        matrix.put(id2, matrix.getOrDefault(id2, 0L) & ~(1 << id1));    
        return this;
    }

    public boolean collidesWith(Tag tag1, Tag tag2) {
        return 0 != (matrix.getOrDefault(tag1.id, 0L) & (1 << tag2.id));
    }

}

检查每组一个df中至少有两个值与另一组是否匹配

2 个答案: