这是对这个问题的跟进： 复制数据帧的观察结果，但也替换 R 中的特定变量值
我尽量写得简洁，同时提供所有必要的信息。在这个当前示例中，我有一个如下所示的 df：
df<-data.frame(alpha=c(1, "3, 4", "2, 4, 5", 2, 1, 3, "1, 2", "1, 2, 3"),
beta=c("2, 4", "3, 4", 1, 3, 3, "1, 4", "1, 2", "1, 2, 3"),
color=c("red", "yellow"))
# alpha beta color
#1 1 2, 4 red
#2 3, 4 3, 4 yellow
#3 2, 4, 5 1 red
#4 2 3 yellow
#5 1 3 red
#6 3 1, 4 yellow
#7 1, 2 1, 2 red
#8 1, 2, 3 1, 2, 3 yellow
期望的输出
我希望它最终看起来像这样（行的顺序对我来说并不重要）：
# alpha beta color value
#1 1 2 red 1
#2 1 4 red 1
#3 3 4 yellow 0.5
#4 2 1 red 1
#5 4 1 red 1
#6 5 1 red 1
#7 2 3 yellow 1
#8 1 3 red 1
#9 3 1 yellow 1
#10 3 4 yellow 1
#11 1 2 red 0.5
#12 1 2 yellow 0.5
#13 1 3 yellow 0.5
#14 2 3 yellow 0.5
每当观察到具有多个不重叠/不匹配条目的 alpha 或 beta 时，就会扩展该观察。例如，原始 df 的第 1 行有 alpha="1" 和 beta="2, 4"。这些成为输出中的两个单独的行，其中 beta 的“2”和“4”分开。保存在变量“颜色”中的信息为每次观察保存。此外，新变量“值”的值为 1。
这个问题和上一个问题的主要区别在于存在 alpha==beta 的行。
在这里，我只想保留 alpha 和 beta 的唯一组合，而不是重复。例如，原始 df 的第 8 行有 alpha="1, 2, 3" 和 beta="1, 2, 3"。我想有单独的行，其中“alpha=1，beta=2”，“alpha=1，beta=3”，“alpha=2，beta=3”。同样，“颜色”变量将被复制。但是，在这里，值需要是“0.5”。
我试过的：
我无法弄清楚如何将这一切合二为一，所以我首先根据 alpha 是否等于 beta 来对 df 进行子集化。
x <- df[df$alpha!=df$beta,]
df$alpha<-as.character(df$alpha)
df$beta<-as.character(df$beta)
fun1 <- function(df){
df$alpha<-as.character(df$alpha)
df$beta<-as.character(df$beta)
do.call(rbind, with(df, Map(expand.grid,
alpha = strsplit(alpha, ", "),
beta = strsplit(beta, ", "),
color = color,
value = 1
)))
}
fun1(x)
这使：
alpha beta color value
#1 1 2 red 1
#2 1 4 red 1
#3 2 1 red 1
#4 4 1 red 1
#5 5 1 red 1
#6 2 3 yellow 1
#7 1 3 red 1
#8 3 1 yellow 1
#9 3 4 yellow 1
然后观察 alpha==beta 的地方，这就是我卡住的地方......
x2 <- df[df$alpha==df$beta,]
x2
# alpha beta color
#2 3, 4 3, 4 yellow
#7 1, 2 1, 2 red
#8 1, 2, 3 1, 2, 3 yellow
我的想法是使用拆分数据strsplit，然后使用它combn来查找我正在寻找的组合并重新绑定在一起。但是，如果我想复制其他变量，这不会像这样工作......
a<-strsplit(x2$alpha, ", ")
a.combs <- lapply(a, function(x) c(combn(x, 2, simplify=FALSE)))
matrix(unlist(a.combs),ncol=2, byrow=T)
给出：
# [,1] [,2]
#[1,] "3" "4"
#[2,] "1" "2"
#[3,] "1" "2"
#[4,] "1" "3"
#[5,] "2" "3"
非常感谢有关如何获得这些组合以及预先存在的“颜色”变量和添加新的“值”变量的任何想法。