數據幀列的組合和排列

我需要一些幫助來計算數據幀列的所有組合和排列。我df看起來像這樣（真正的一個具有40個列和行15000+）數據幀列的組合和排列

ID  A B C D 
ID_1 NA 1 NA 1 
ID_2 1 1 1 1 
ID_3 1 1 1 1 
ID_4 NA 1 1 NA 
ID_5 1 1 1 1 
ID_6 1 NA NA 1 
ID_7 1 1 1 1 
ID_8 1 NA NA NA 
ID_9 1 1 1 1 
ID_10 1 1 1 1 
ID_11 1 1 1 1 
ID_12 NA NA 1 1 
ID_13 NA NA 1 NA 
ID_14 1 1 1 NA

當第一列包含一個唯一的ID，並且柱2：40+含有任1（存在）或NA（缺席）。

現在我需要知道每個組合和排列有多少個ID「存在」 AB，AC，AD，BC ..... ABC，ABD ..... ABCDE，ABCDF ....等等。

使用combinat我可以很容易地通過

for (i in 1:3){ 
    combn(4, i) 
next}

但隨後檢索所有可能的組合/置換（假設4列的數據幀），我怎麼可以用它來計算我需要什麼，並獲得結果像

數據幀

1 2 3 4 
A AB ABC ABCD 
B AC ABD na 
C AD ACD na 
D BC BCD na 
na BD na na 
na CD na na

來源

2017-09-01 pisistrato

你要求> = 2^40計數，這是不可行的，我猜。我猜這些組合中的大部分都會有零計數，無論如何，也許你可以在沒有明確列舉的情況下進行計數。 – Frank

也'ID_1'計爲'B'，'D'，'BD'和'DB'？ –

你確定你想要所有的組合和排列？在我看來，所有你需要的是組合。 –

好吧，我想我找到了一種方法來解決這個問題，但它是超慢的（> 12小時20列和18000行的數據集），所以任何改進建議，歡迎。

假設其中列「ID」已經被移除的初始數據表，並且看起來像這樣

A B C D E F G H 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 NA 
1 1 1 1 1 1 1 1 
1 1 1 1 1 NA NA NA 
1 1 NA 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 NA 
NA 1 1 NA 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 NA 1 
NA 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 NA 1 1 1 
1 1 1 1 1 1 1 1 
1 1 NA NA 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 NA 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 NA 
1 1 1 1 1 1 1 1 
NA 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 NA 1 1 
1 1 1 1 1 1 1 1 
1 NA NA 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 NA 1 
1 1 1 1 NA 1 NA 1 
1 1 NA 1 1 1 NA 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 1 
1 1 1 1 1 1 1 NA 
1 1 1 1 1 1 1 NA 
1 1 1 NA 1 1 1 NA 
1 1 1 1 1 1 1 1 
NA NA NA NA NA NA NA 1

我第一以這種方式使用combn計算所有可能的組合

combi <- as.data.frame(t(colnames(dt))) 

for (i in 2:ncol(dt)){ 
    combi <- cbind.fill(combi, as.data.frame(combn(colnames(dt), i)), fill = NA) 
next}

然後我爲最終結果創建一個表格

final <- data.frame(group = apply(combi, 2 , function(x) length(which(x != ""))) , value = c(NA))

Las T，我計算的ID存在於每個組合的數量

for (i in 1:ncol(combi)){ 
    final[i, 2] <- nrow(dt[ , c(which(colnames(dt) %in% c(as.character(na.omit(combi[, i]))))), with = FALSE][!apply(dt[ , c(which(colnames(dt) %in% c(as.character(na.omit(combi[, i]))))), with = FALSE] == "", 1, all),]) 
next}

爲了得到最後的結果我想我只是這樣做

result <- subset(final, group == 1)[,2] 
for (i in 2:max(final[, 1])){ 
    result <- cbind.fill(result, subset(final, group == i)[,2], fill = NA) 
next}

組合表combi的產生和final計算是瓶頸，它適用於小數據，但正如我所說的，即使在屁股機器上，大數據集的速度也非常慢。

來源

2017-09-05 08:25:46 pisistrato

數據幀列的組合和排列

回答

相關問題