使用R通過通用元素將數據框中的行分組

Question

我有一個數據集，其中不同的行具有不同的元素組合，並且我想提取出具有相同元素組合的行組。 對於此示例數據集：

id <- c("A", "B", "C", "D")
X1 <- c(NA,NA,NA,"X1")
X2 <- c(NA,NA,"X2","X2")
X3 <- c("X3","X3","X3","X3")
X4 <- c("X4", "X4", "X4", "X4")
df <- data.frame(id,X1,X2,X3,X4)

> df
   id   X1   X2 X3 X4
   1  A <NA> <NA> X3 X4
   2  B <NA> <NA> X3 X4
   3  C <NA>   X2 X3 X4
   4  D   X1   X2 X3 X4

我希望能夠退出

• 哪些ID具有X1＆X2＆X3＆X4（D）
• 哪個ID有！X1＆X2＆X3＆X4（C）
• 其中ID為！X1＆！X2＆X3＆X4（A和B）。

我嘗試將數據框拆分為列表並刪除空單元格，以便每個id在列表中獲得自己的data.frame：

df.list <- split(df, seq(nrow(df)))
dfComplete.list <- lapply(df.list, function(remNA) remNA[,colSums(is.na(remNA)) < nrow(remNA)])

這讓我

> dfComplete.list
$`1`
  id X3 X4
1  1 X3 X4

$`2`
  id X3 X4
2  2 X3 X4

$`3`
  id X2 X3 X4
3  3 X2 X3 X4

$`4`
  id X1 X2 X3 X4
4  4 X1 X2 X3 X4

我很困惑從這里去哪里。 有沒有一種方法可以根據它們共有的元素/列在列表中對數據框進行分組？

我正在使用的實際數據集實際上具有X7至X17的元素/列，並且每個id都在1到4個元素之間，因此理想的解決方案將能夠識別出數據中存在的所有元素組合。

最后，在將數據重整為上述格式之前，我的數據最初采用以下較長格式，以防萬一有一種更簡便的方法可以從原始格式中找到解決方案：

id <- c("A", "A", "B", "B", "C", "C", "C", "D", "D", "D", "D")
elements <- c("X3", "X4", "X3", "X4", "X2", "X3", "X4", "X1", "X2", "X3", "X4")
dataLong <- data.frame(id, elements)

> dataLong
  id elements
1   A       X3
2   A       X4
3   B       X3
4   B       X4
5   C       X2
6   C       X3
7   C       X4
8   D       X1
9   D       X2
10  D       X3
11  D       X4

在此先感謝您的幫助！

Answer 1

reshape2::dcast函數可以幫助將數據從長格式轉換為OP期望的格式。

#Data
id <- c("A", "A", "B", "B", "C", "C", "C", "D", "D", "D", "D")
elements <- c("X3", "X4", "X3", "X4", "X2", "X3", "X4", "X1", "X2", "X3", "X4")
dataLong <- data.frame(id, elements, stringsAsFactors = FALSE)

library(reshape2)

#Use dcast to get the result
dataLong %>% dcast(id~elements)
#   id   X1   X2 X3 X4
# 1  A <NA> <NA> X3 X4
# 2  B <NA> <NA> X3 X4
# 3  C <NA>   X2 X3 X4
# 4  D   X1   X2 X3 X4

Answer 2

我了解您想計算獨特的組合。 這就是我要做的

library(dplyr)
library(tidyr)

dataLong %>% mutate(value=1) %>% 
  spread(elements, value) %>% 
  select(-id) %>% 
  group_by_all() %>% 
  summarise(count=n()) %>% ungroup()
#> # A tibble: 3 x 5
#>      X1    X2    X3    X4 count
#>   <dbl> <dbl> <dbl> <dbl> <int>
#> 1     1     1     1     1     1
#> 2    NA     1     1     1     1
#> 3    NA    NA     1     1     2

Answer 3

您可以為此使用tidyverse ！ arrange()的使用有點多余，但是我想向您展示該選項，因為它將安排您的數據框以反映您感興趣的分組（您可以將其視為一種嵌套排序）。 這可能就是您所需要的。

如果您需要實際計數，以及想要告訴您哪些ID與哪些組合相對應的列，則只需運行下面的完整代碼即可。 請注意，您將必須在完整代碼中添加所有變量（ X7:X17 ）。 在聲明數據stringsAsFactors = FALSE時，您還需要使用stringsAsFactors = FALSE ，這通常是一種好習慣。

# Your example dataframe. Make sure to set stringsAsFactors = FALSE
id <- c("A", "B", "C", "D")
X1 <- c(NA,NA,NA,"X1")
X2 <- c(NA,NA,"X2","X2")
X3 <- c("X3","X3","X3","X3")
X4 <- c("X4", "X4", "X4", "X4")
df <- data.frame(id,X1,X2,X3,X4, stringsAsFactors = FALSE)

# We group rows by all unique combinations and then collapse those rows, 
# while recording which ids belong to which grouping, and how many there are 
# in each.
library(tidyverse)
ndf <- arrange(df, X1,X2,X3,X4) %>%
       group_by(X1,X2,X3,X4) %>%
       summarise(num = n(), id = paste(id, collapse=","))

# Output:
# A tibble: 3 x 6
# Groups:   X1, X2, X3 [?]
  X1    X2    X3    X4      num id   
  <chr> <chr> <chr> <chr> <int> <chr>
1 X1    X2    X3    X4        1 D    
2 <NA>  X2    X3    X4        1 C    
3 <NA>  <NA>  X3    X4        2 A,B