0

我的目标是根据 R 中两列之间的共享值识别单个数据框中的“连接”行。

在此示例中，有 10 个唯一段（即数据集群），它们由对应于每个唯一段的整数标识。每行代表已经确定在彼此的特定距离阈值内的两个段。列“segA”和“segB”之间没有显着区别，它们仅用于跟踪连接的段对。列“dist”表示这对线段之间的距离，但此时并不真正需要，因为数据帧仅包含那些被视为“连接”的线段对。

我试图找出一种方法来识别在“segA”或“segB”中至少具有一个共享值的所有行，指示行之间的连接段。

我最初的尝试对于循环和逻辑语句很复杂（我是 R 编程的新手），所以我非常感谢任何简洁的解决方案！

例子：

 df = data.frame(
  segA = c(1, 1, 2, 4, 6, 7, 9),
  segB = c(2, 3, 4, 5, 8, 8, 10),
  dist = c(0.5321, 0.3212, 0.4351, 0.1421, 0.5125, 0.1692, 0.3218)
 )

df
  segA segB   dist
1    1    2 0.5321
2    1    3 0.3212
3    2    4 0.4351
4    4    5 0.1421
5    6    8 0.5125
6    7    8 0.1692
7    9   10 0.3218

第 1 行和第 2 行是相连的，因为它们都包含段“1”。

第 3 行和第 1 行是相连的，因为它们都包含段“2”等。

尽管第 2 行和第 3 行没有通过共享段的存在直接连接，但总体而言，它们通过第 1 行的相互连接而连接。

所需的最终输出将类似于：

(1) = 1, 2, 3, 4, 5  
(2) = 6, 7, 8  
(3) = 9, 10

其中 (1)、(2) 和 (3) 表示不同的整体段及其直接/相互连接的组件。

4

1 回答 1

0 
## helper function for merging vector elements of a list
merge.elems <- function(x,i,j) {
    c(
        x[seq_len(i-1L)], ## before i
        list(unique(c(x[[i]],x[[j]]))), ## combined i,j
        x[seq_len(j-i-1L)+i], ## between i,j
        x[seq_len(length(x)-j)+j] ## after j
    );
}; ## end merge.elems()

## initialize row groups and value groups
rgs <- as.list(seq_len(nrow(df)));
vgs <- do.call(Map,c(c,unname(df[1:2])));

## if there are 2 or more groups, exhaustively merge overlapping value group pairs
if (length(rgs)>1L) {
    i <- 1L;
    j <- 2L;
    repeat {
        if (any(vgs[[i]]%in%vgs[[j]])) {
            rgs <- merge.elems(rgs,i,j);
            vgs <- merge.elems(vgs,i,j);
            j <- i+1L;
            if (j>length(rgs)) break;
        } else {
            j <- j+1L;
            if (j>length(rgs)) {
                i <- i+1L;
                if (i==length(rgs)) break;
                j <- i+1L;
            }; ## end if
        }; ## end if
    }; ## end repeat
}; ## end if

## results
rgs;
## [[1]]
## [1] 1 2 3 4
##
## [[2]]
## [1] 5 6
##
## [[3]]
## [1] 7
##
vgs;
## [[1]]
## [1] 1 2 3 4 5
##
## [[2]]
## [1] 6 8 7
##
## [[3]]
## [1]  9 10
##
于 2016-05-12T02:59:31.970 回答