跨向量列表的全面匹配

Question

我試圖在所有可用的向量組合之間進行匹配。

例如，我有 4 個向量：

a<-c(1,2,3,4)
b<-c(1,2,6,7)
c<-c(1,2,8,9)
d<-c(3,6,8,2)

預期的輸出應該能夠告訴我：

• a & b 之間的相似度：1, 2
• a & c 之間的相似度：1, 2
• a & d 之間的相似度：2, 3
• b & c 之間的相似度：1, 2
• b & d 之間的相似度：2, 6
• c & d 之間的相似度：2, 8
• a & b & c 之間的相似度：1, 2
• b & c & d 之間的相似度：2
• a & c & d 之間的相似度：2
• a & b & d 之間的相似度：2
• a & b & c & d 之間的相似度：2

R 是否具有進行此類比較/匹配的功能？

為簡單起見，向量的數量現在設置為 4。 事實上，我正在處理 100 個向量，並希望在所有可能的向量組合之間進行匹配/相交/比較。 例如，對於 4 個向量，可能有 4C2+4C3+4C4=11 種可用組合。 對於 100 個向量，可能有 100C100+ 100C99+100C98+...+100C2 可用組合

提前致謝

Answer 1

intersect似乎做你想做的。 它一次只處理成對的向量，例如

intersect(a, b) # 1 2
intersect(b, intersect(c, d)) # 2

如果你想要一個速記相交超過 2，試試Reduce ( ?Reduce )

# intersection of a/b/c/d
Reduce(intersect, list(a, b, c, d), a)
# intersection of b/c/d
Reduce(intersect, list(b, c, d), b)

Reduce將依次將intersect應用到列表和前一個 intersect 調用的結果，從intersect(b, b) （我剛剛設置為要相交的向量之一的init參數，因為集合與自身的交集是集）。

---

如果您想要一種方法來遍歷 (a, b, c, d) 的所有（對、元組、四元組）並返回交集，您可以嘗試

1. 生成長度為 2（對）、3（元組）、4（四元組）的 (a, b, c, d) 的所有組合

   combos = lapply(2:4, combn, x=c('a', 'b', 'c', 'd'), simplify=F) # [[1]] # [[1]][[1]] # [1] "a" "b" # [[1]][[2]] # [1] "a" "c" # ... # [[2]] # [[2]][[1]] # [1] "a" "b" "c" # [[2]][[2]] # [1] "a" "b" "d" # ... # [[3]] # [[3]][[1]] # [1] "a" "b" "c" "d"

2. 將其展平為字符向量列表

   combos = unlist(combos, recursive=F) # [[1]] # [1] "a" "b" # ... # [[10]] # [1] "b" "c" "d" # [[11]] # [1] "a" "b" "c" "d"

3. 對於每個集合，調用上面指定的Reduce 。 我們可以使用（例如） get("a")來獲取變量a ； 或mget(c("a", "b", "c")以獲取列表中的變量a , b , c 。如果您的變量是數據框中的列，那么您可以進行適當的修改。

    intersects = lapply(combos, function (varnames) { Reduce(intersect, mget(varnames, inherits=T), get(varnames[1])) }) # add some labels for clarity. # You will probably actually want to /do/ something with the # resulting intersections rather than this. names(intersects) <- sapply(combos, paste, collapse=", ") intersects # $`a, b` # [1] 1 2 # $`a, c` # [1] 1 2 # ... # $`a, b, c, d` # [1] 2

您需要修改以適應 R 中的數據； 例如，數據框的列與工作區中的命名向量等等。 您可能也更喜歡從第 3 步開始的for循環，而不是所有的*apply具體取決於您想對結果做什么。 （另外，如果你有很多向量，在內存中同時保存所有的交點可能不是一個好主意）。