0

我正在尝试隔离我的数据中的唯一项目组- 与键列关联的唯一行分组，而不是唯一项目，这是最常用的唯一功能。这个问题需要仔细阅读......所以请先消化这个例子。

需要明确的是，我不想要 group 列的唯一子集，也不想要 items 的唯一子集，甚至也不想要 groups 和 items 的唯一组合。我知道这些已经在其他地方覆盖了unique() 用于多个变量。我想要的是一组独特的项目，其中集合由 groups 定义。

这是一个例子

set.seed(1234)
library(data.table)
A <- data.table(group = rep(c("A","B","C","D","E","F"),each = 4), 
item =  c(1, 2, 4, 3, 5, 2, 3, 6, 10, 12, 1, 2, 1, 2, 4, 3, 6, 3,
 5, 2, 10, 12, 1, 2), c = runif(8))
A <- A[-23, ] #so we can have an example of unbalanced groups
> A
    group item          c
 1:     A    1 0.15904600
 2:     A    2 0.03999592
 3:     A    4 0.21879954
 4:     A    3 0.81059855
 5:     B    5 0.52569755
 6:     B    2 0.91465817
 7:     B    3 0.83134505
 8:     B    6 0.04577026
 9:     C   10 0.15904600
10:     C   12 0.03999592
11:     C    1 0.21879954
12:     C    2 0.81059855
13:     D    1 0.52569755
14:     D    2 0.91465817
15:     D    4 0.83134505
16:     D    3 0.04577026
17:     E    6 0.15904600
18:     E    3 0.03999592
19:     E    5 0.21879954
20:     E    2 0.81059855
21:     F   10 0.52569755
22:     F   12 0.91465817
23:     F    2 0.04577026

#The unique groups are A:F, and the unique items are 1:6,10,12. 
#The unique sets of items are: # (set1) 1,2,3,4; (set2) 5,2,3,6; 
#(set3) 10,2,1,2; (set4) 10,12,2

我想检索这些独特的项目集（再次注意项目集是由组形成的）。（此时第三列意义不大。为了好玩，我包括每个“项目”的总和）。输出表应如下所示：

group item c 
A 1 0.68474355 #note that groups A and D share this same set of items (set1) 
A 2 0.95465409
A 4 1.05014459# c sums groupAitem4$c with groupDitem4$c
A 3 0.85636881
B 5 0.74449709 # group E has the same items (set2), even if not the same order, c is totaled by item.
B 2 1.72525672
B 3 0.87134097
B 6 0.20481626
C 10 0.159046
C 12 0.03999592
C 1 0.21879954
C 2 0.81059855
F 10 0.52569755 #Not the same as group C
F 12 0.91465817
F 2 0.04577026

我想可能有一种方法可以进行重塑，这会很尴尬。我的数据很大，因此data.table非常感谢这样的高效程序。

4

3 回答 3

2 
library(plyr)  
my<-ddply(A,.(group),summarize, mylist=list(item))

> my
  group       mylist
1     A   1, 2, 4, 3
2     B   5, 2, 3, 6
3     C 10, 12, 1, 2
4     D   1, 2, 4, 3
5     E   6, 3, 5, 2
6     F    10, 12, 2

yy<-as.list(1:6) # used for `Map` function
my$mylist<-Map(function(x) sort(my$mylist[[x]]),yy) # sort the order of elements in list for matching

> my
  group       mylist
1     A   1, 2, 3, 4
2     B   2, 3, 5, 6
3     C 1, 2, 10, 12
4     D   1, 2, 3, 4
5     E   2, 3, 5, 6
6     F    2, 10, 12

myuni<-unique(my$mylist)

> myuni
[[1]]
[1] 1 2 3 4

[[2]]
[1] 2 3 5 6

[[3]]
[1]  1  2 10 12

[[4]]
[1]  2 10 12

finaloutput<-my[match(myuni,my$mylist),]
  group       mylist
1     A   1, 2, 3, 4
2     B   2, 3, 5, 6
3     C 1, 2, 10, 12
6     F    2, 10, 12

A[A$group %in% finaloutput$group,]
   group item           c
1      A    1 0.113703411
2      A    2 0.622299405
3      A    4 0.609274733
4      A    3 0.623379442
5      B    5 0.860915384
6      B    2 0.640310605
7      B    3 0.009495756
8      B    6 0.232550506
9      C   10 0.113703411
10     C   12 0.622299405
11     C    1 0.609274733
12     C    2 0.623379442
21     F   10 0.860915384
22     F   12 0.640310605
23     F    2 0.232550506
于 2013-08-27T13:19:46.507 回答
0

如果你只需要组合

unique(dataset[, c("group", "item")])
于 2013-08-27T13:21:01.067 回答
0

由于您不使用 set.seed 或 dput ，因此尝试使用您的代码的每个人都会得到不同的结果。这可能会为您提供您想要的东西，尽管目前尚不清楚组中的项目数量是否总是很小以及是否只是所需的 2way 组合：

unique(t(do.call(cbind, tapply(A$item, A$group, combn, 2) ) )  )

该combn函数以列格式返回唯一组合，因此我需要在使用unique默认情况下对行进行操作之前进行转置。如果您可以使用面向列的结果，如果您使用 MARGIN 参数，则可以跳过该步骤：

unique(do.call(cbind, tapply(A$item, A$group, combn, 2) )  , MARGIN=2)
于 2013-08-27T14:53:50.990 回答