4

我有一个包含 205,000 多行的数据框，格式如下：

df <- data.frame(project.id = c('SP001', 'SP001', 'SP001', 'SP017', 'SP018', 'SP017'),
                 supplier.id = c('1224', '5542', '7741', '1224', '2020', '9122'))

在实际数据框中，有 6700 多个唯一值project.id。我想创建一个边缘列表，将从事同一项目的供应商配对。

期望的最终结果project.id = SP001：

to     from
1224   5542
1224   7741
5542   7741

到目前为止，我已经尝试使用split通过 project.id 创建一个列表，然后运行以在每个列表/组lapply+combn中生成所有可能的组合：supplier.id

try.list <- split(df, df$project.id)
try.output <- lapply(try.list, function(x) combn(x$supplier.id, 2))

是否有更优雅/高效（阅读“在不到 2 小时内计算”）的方式来生成这样的东西？

任何帮助将非常感激

4

3 回答 3

6

您可以使用包而不是使用splitand 。lapplydplyr

df <- data.frame(project.id = c('SP001', 'SP001', 'SP001', 'SP017', 'SP018', 'SP017'),
                 supplier.id = c('1224', '5542', '7741', '1224', '2020', '9122'),
                 stringsAsFactors = FALSE)

library(dplyr)

df %>% group_by(project.id) %>%
  filter(n()>=2) %>% group_by(project.id) %>%
 do(data.frame(t(combn(.$supplier.id, 2)), stringsAsFactors=FALSE))
# Source: local data frame [4 x 3]
# Groups: project.id [2]

#   project.id    X1    X2
#        (chr) (chr) (chr)
# 1      SP001  1224  5542
# 2      SP001  1224  7741
# 3      SP001  5542  7741
# 4      SP017  1224  9122
于 2016-01-08T06:32:22.230 回答
3

您可以将其与自身合并，从而获得所有笛卡尔对：

 temp <- merge(df,df, by="project.id")
 res <- temp[ temp$supplier.id.x != temp$supplier.id.y , ]

> res

   project.id supplier.id.x supplier.id.y
2       SP001          1224          5542
3       SP001          1224          7741
4       SP001          5542          1224
6       SP001          5542          7741
7       SP001          7741          1224
8       SP001          7741          5542
11      SP017          1224          9122
12      SP017          9122          1224
于 2016-01-08T05:43:18.153 回答
2

我们可以试试igraph

library(igraph)
m1 <- get.edgelist(graph.adjacency(crossprod(table(df))))
m1[m1[,1]!= m1[,2],]
#      [,1]   [,2]  
#[1,] "1224" "5542"
#[2,] "1224" "7741"
#[3,] "1224" "9122"
#[4,] "5542" "1224"
#[5,] "5542" "7741"
#[6,] "7741" "1224"
#[7,] "7741" "5542"
#[8,] "9122" "1224"
于 2016-01-08T06:35:56.997 回答