R-查找只有x列不同的相同行或行。

Question

我试图在一个大的CSV文件上使用R，在这个例子中，可以说它代表了一个人和交通工具的列表。如果一个人拥有这种运输方式，这是由相应单元格中的X表示的。这方面的示例数据如下：

Type,Peter,Paul,Mary,Don,Stan,Mike
Scooter,X,X,X,,X,
Car,,,,X,,X
Bike,,,,,,
Skateboard,X,X,X,X,X,X
Boat,,X,,,,

下面的图像使您更容易看到它所代表的内容：

​

​

我想要了解的是，哪些人的交通方式是相同的，或者，理想的情况下，哪里的交通方式相差不超过一种。

这种格式有点奇怪，但假设csv文件名为example.csv，我可以将它读取到数据帧中，并按以下所示进行转换(很明显，我是一个完整的R)。

ex <- read.csv('example.csv')
ext <- as.data.frame(t(ex))

这个职位解释了如何找到副本，而且它似乎很有效。

duplicated(ext) | duplicated(ext[nrow(ext):1, ])[nrow(ext):1]
which(duplicated(ext) | duplicated(ext[nrow(ext):1, ])[nrow(ext):1])

这将返回以下索引：

1 2 4 5 6 7

这确实与我认为是重复行的内容相对应。也就是说，彼得和玛丽和斯坦有着相同的交通方式(索引2，4和6)；唐和迈克同样有相同的交通方式，索引5和7。

同样，这似乎还可以，但是如果交通方式和人数很重要，那么就很难找到/知道哪些行是重复的，哪些索引实际上是匹配的。在这种情况下，索引2、4和6是相同的，而5和7是相同的。

是否有一种简单的方法可以获得这些信息，这样就不需要手动查找匹配的信息了？

此外，鉴于上述所有情况，是否有可能以任何方式修改代码，以便在X位置只有不同的情况下考虑行进行匹配(例如，只要上面示例中的人员没有超过一种不同的运输方式，则仍然被认为是匹配的)？

很高兴进一步详细阐述，非常感谢您的任何帮助。

Answer 1

library(dplyr)
library(tidyr)

ex <- read.csv(text = "Type,Peter,Paul,Mary,Don,Stan,Mike
Scooter,X,X,X,,X,
Car,,,,X,,X
Bike,,,,,,
Skateboard,X,X,X,X,X,X
Boat,,X,,,,", )

ext <- tidyr::pivot_longer(ex, -Type, names_to = "person")

# head(ext)
ext <- ext %>%
  group_by(person) %>%
  filter(value == "X") %>%
  summarise(Modalities = n(), Which = paste(Type, collapse=", ")) %>%
  arrange(desc(Modalities), Which) %>% 
  mutate(IdenticalGrp = rle(Which)$lengths %>% {rep(seq(length(.)), .)})


ext
#> # A tibble: 6 x 4
#>   person Modalities Which                     IdenticalGrp
#>   <chr>       <int> <chr>                            <int>
#> 1 Paul            3 Scooter, Skateboard, Boat            1
#> 2 Don             2 Car, Skateboard                      2
#> 3 Mike            2 Car, Skateboard                      2
#> 4 Mary            2 Scooter, Skateboard                  3
#> 5 Peter           2 Scooter, Skateboard                  3
#> 6 Stan            2 Scooter, Skateboard                  3

要在任何特定的IndenticalGrp中获得成员列表，您只需像这样的pull。

ext %>% filter(IdenticalGrp == 3) %>% pull(person)
#> [1] "Mary"  "Peter" "Stan"