在 R 中,我有两个包含列表列的数据框
d1 <- data.table(
group_id1=1:4
)
d1$Cat_grouped <- list(letters[1:2],letters[3:2],letters[3:6],letters[11:12] )
还有
d_grouped <- data.table(
group_id2=1:4
)
d_grouped$Cat_grouped <- list(letters[1:5],letters[6:10],letters[1:2],letters[1] )
我想根据d1$Cat_grouped
中的向量合并这两个data.tables,这些向量包含在d_grouped$Cat_grouped
中的向量中
更准确地说,可能有两个匹配条件:
a) d1$Cat_grouped
的每个向量的所有元素必须位于 d_grouped$Cat_grouped
的匹配向量中
导致以下匹配:
result_a <- data.table(
group_id1=c(1,2)
group_id2=c(1,1)
)
b) d1$Cat_grouped
的每个向量中至少有一个元素必须位于 d_grouped$Cat_grouped
的匹配向量中
导致以下匹配:
result_b <- data.table(
group_id1=c(1,2,3,3),
group_id2=c(1,1,1,2)
)
如何实现 a) 或 b) ?最好以 data.table 的方式。
EDIT1:添加了 a) 和 b) 的预期结果
EDIT2:向 d_grouped 添加更多组,因此分组变量重叠。这破坏了一些建议的解决方案
最佳答案
所以我认为长形式更好,尽管我的回答感觉有点迂回。我敢打赌,那些对数据表更熟悉的人可以用更少的步骤完成此操作,但这是我所得到的:
首先,让我们解压示例数据中的向量:
d1_long <- d1[, list(cat=unlist(Cat_grouped)), group_id1]
d_grouped_long <- d_grouped[, list(cat=unlist(Cat_grouped)), group_id2]
现在,我们可以合并各个元素:
result_b <- merge(d1_long, d_grouped_long, by='cat')
根据我们的示例,您似乎实际上不需要知道哪些元素是匹配的一部分...
result_b[, cat := NULL]
最后,我的答案有重复的 group_id 对,因为它为每个成对匹配获取连接,而不仅仅是向量级匹配。这样我们就可以将它们独一无二。
result_b <- unique(result_b)
这是我的结果_b:
group_id.1 group_id.2
1: 1 1
2: 2 1
3: 3 1
4: 3 2
我们可以使用 b 作为 a 的中间步骤,因为具有任何共同元素是具有所有共同元素的子集。
让我们合并原始表,看看子向量和向量的候选者是什么
result_a <- merge(result_b, d1, by = 'group_id1')
result_a <- merge(result_a, d_grouped, by = 'group_id2')
现在,如果 Cat_grouped.x 的长度与 Cat_grouped.x 为 %in% Cat_grouped.y 的 TRUE 数量匹配,那就是宾果游戏。
我尝试了一些干净的方法,但数据表中的列表的怪异击败了最明显的尝试。但这似乎有效:
让我们添加一个行
列来操作by
result_a[, row := 1:.N]
现在让我们获取匹配的长度和数量...
result_a[, x.length := length(Cat_grouped.x[[1]]), row]
result_a[, matches := sum(Cat_grouped.x[[1]] %in% Cat_grouped.y[[1]]), row]
并筛选出长度和匹配项相同的行
result_a <- result_a[x.length==matches]
关于r - 如何根据属于另一向量的一个向量合并向量列表?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45406977/