使用R將文件中的一行與所有其他行進行比較

Question

我有一個如下文件：

P1 A,B,C    
P2 B,C,D,F    
P3 C,D,E,F  

我需要將每一行與所有其他行進行比較，以得到相交元素的數量，如下所示：

P1 P2 2    
P1 P3 1    
P2 P3 3   

謝謝，
小號

Answer 1

目前尚不清楚原始數據來自何處，因此我假設您將數據讀入data.frame中，如下所示：

x <- data.frame(V1 = c("a", "b", "c"), 
                V2 = c("b", "c", "d"), 
                V3 = c("c", "d", "e"),
                V4 = c(NA, "f", "f"),
                stringsAsFactors = FALSE
                )

row.names(x) <- c("p1", "p2", "p3")

第一步是創建需要比較的所有行的組合：

rowIndices <- t(combn(nrow(x), 2))
> rowIndices
     [,1] [,2]
[1,]    1    2
[2,]    1    3
[3,]    2    3

然后，在我們可以利用這些信息apply與length()和intersect()得到你想要的東西。 注意，我還索引了data.frame x的row.names()屬性，以獲取所需的行名。

data.frame(row1 = row.names(x)[rowIndices[, 1]], 
      row2 = row.names(x)[rowIndices[, 2]],
      overlap = apply(rowIndices, 1, function(y) length(intersect(x[y[1] ,], x[y[2] ,])))
      )

給您類似的東西：

  row1 row2 overlap
1   p1   p2       2
2   p1   p3       1
3   p2   p3       3

Answer 2

讀取示例數據。

txt <- "P1 A,B,C
        P2 B,C,D,F
        P3 C,D,E,F"
tc <- textConnection(txt)
dat <- read.table(tc,as.is=TRUE)
close(tc)

轉換為長格式，並使用具有聚合功能的自連接。

dat_split <- strsplit(dat$V2,",")
dat_long <- do.call(rbind,lapply(seq_along(dat_split),
            function(x) data.frame(id=x,x=dat_split[[x]], stringsAsFactors=FALSE)))

result <- sqldf("SELECT t1.id AS id1,t2.id AS id2,count(t1.x) AS N 
                 FROM dat_long AS t1  INNER JOIN dat_long AS t2 
                 WHERE (t2.id>t1.id) AND (t1.x=t2.x) GROUP BY t1.id,t2.id")

結果

> result
  id1 id2 N
1   1   2 2
2   1   3 1
3   2   3 3