这似乎是一个简单的问题,但让我很头疼(这不是功课,而是实际研究中的症结所在)
我有一个包含 2266 个级别的列表。该列表看起来有点像这样:
[1] ~/folder1/folder1/a.bin
[2] ~/folder1/folder1/b.bin
[3] ~/folder1/folder1/c.bin
[4] ~/folder1/folder2/a.bin
[5] ~/folder1/folder2/b.bin
[6] ~/folder1/folder2/c.bin
解释一下:列表是我正在使用该readBin
函数读取的二进制文件的文件名。我想将每一行与其他每一行进行比较,所以我想要的是两列,其中包含所有独特的组合,从我的单列派生。
(choose 2266,2)
告诉我,我们的单列有 2566245 个组合成两个。
` expand.grid()似乎让我走到了一半。但是我需要的组合是我需要的四倍:我得到两行,每行 5132490。这意味着存在重复:1 + 2 和 2 + 1 对我的目的来说是相同的。
expand.grid.df
withunique=TRUE
似乎也没有帮助。
我的最后一个想法是 md5 对 500 万行中的每一行进行哈希处理,并尝试以这种方式检测重复项。
我正在寻找制作两个列表的方法,这些列表涵盖了我列表的 2566245 个组合。或者以某种方式删除所有重复项。我想我并不完全热衷于使用 R 并且已经研究了 awk 或 sed 来做同样的事情。虽然还没有成功。