将相似的元素组合在一起

Question

我试图将相似的实体组合在一起，但找不到一种简单的方法。

例如，这里有一个表：

                  Names Initial_Group Final_Group
1          James,Gordon             6           A
2          James,Gordon             6           A
3          James,Gordon             6           A
4          James,Gordon             6           A
5          James,Gordon             6           A
6          James,Gordon             6           A
7                Amanda             1           A
8                Amanda             1           A
9                Amanda             1           A
10        Gordon,Amanda             5           A
11        Gordon,Amanda             5           A
12        Gordon,Amanda             5           A
13        Gordon,Amanda             5           A
14        Gordon,Amanda             5           A
15        Gordon,Amanda             5           A
16        Gordon,Amanda             5           A
17        Gordon,Amanda             5           A
18 Edward,Gordon,Amanda             4           A
19 Edward,Gordon,Amanda             4           A
20 Edward,Gordon,Amanda             4           A
21                 Anna             2           B
22                 Anna             2           B
23                 Anna             2           B
24         Anna,Leonard             3           B
25         Anna,Leonard             3           B
26         Anna,Leonard             3           B

我不知道如何在上表中得到'Final_Group‘字段。

为此，我需要分配与另一个元素有任何连接的任何元素，并将它们分组：

例如，

• 需要将第1行到第20行分组，因为它们都由至少一个或多个元素连接。

因此，对于第1行到第6行，出现了'James，Gordon‘，而且由于"Gordon“位于第10:20行，所以必须对它们进行分组。同样，由于‘阿曼达’出现在第7:9行，所以必须将其分组为"James，Gordon"，"Gordon，Amanda“和"Edward，Gordon，Amanda”。

下面是生成初始数据的代码：

# Manually generating data
Names <- c(rep('James,Gordon',6)
          ,rep('Amanda',3)
          ,rep('Gordon,Amanda',8)
          ,rep('Edward,Gordon,Amanda',3)
          ,rep('Anna',3)
          ,rep('Anna,Leonard',3))
Initial_Group <- rep(1:6,c(6,3,8,3,3,3))
Final_Group <- rep(c('A','B'),c(20,6))
data <- data.frame(Names,Initial_Group,Final_Group)

# Grouping
data %>%
  select(Names) %>%
  mutate(Initial_Group=group_indices(.,Names))

有没有人知道在R区做这件事？

Answer 1

这是一个很长的过程，但你可以做到：

library(tidyverse)
library(igraph)

df %>%
  select(Names)%>%
  distinct() %>%
  separate(Names, c('first', 'second'), extra = 'merge', fill = 'right')%>%
  separate_rows(second) %>%
  mutate(second = coalesce(second, as.character(cumsum(is.na(second)))))%>%
  graph_from_data_frame()%>%
  components()%>%
  getElement('membership')%>%
  imap(~str_detect(df$Names, .y)*.x) %>%
  invoke(pmax, .)%>%
  cbind(df, value = LETTERS[.], value1 = .)

                  Names Initial_Group Final_Group value value1
1          James,Gordon             6           A     A      1
2          James,Gordon             6           A     A      1
3          James,Gordon             6           A     A      1
4          James,Gordon             6           A     A      1
5          James,Gordon             6           A     A      1
6          James,Gordon             6           A     A      1
7                Amanda             1           A     A      1
8                Amanda             1           A     A      1
9                Amanda             1           A     A      1
10        Gordon,Amanda             5           A     A      1
11        Gordon,Amanda             5           A     A      1
12        Gordon,Amanda             5           A     A      1
13        Gordon,Amanda             5           A     A      1
14        Gordon,Amanda             5           A     A      1
15        Gordon,Amanda             5           A     A      1
16        Gordon,Amanda             5           A     A      1
17        Gordon,Amanda             5           A     A      1
18 Edward,Gordon,Amanda             4           A     A      1
19 Edward,Gordon,Amanda             4           A     A      1
20 Edward,Gordon,Amanda             4           A     A      1
21                 Anna             2           B     B      2
22                 Anna             2           B     B      2
23                 Anna             2           B     B      2
24         Anna,Leonard             3           B     B      2
25         Anna,Leonard             3           B     B      2
26         Anna,Leonard             3           B     B      2

检查名为value的列

Answer 2

我错了，我误解了你对Final_Group的关注。如果没有，请告诉我，我的方法是基于样本之间的距离。

data <- data %>%
  mutate(Names = sapply(Names, function(x) as.vector(str_split(x, ","))))


for (i in c(1:26)){
  data$James[i] = ("James" %in% data$Names[[i]]) 
  data$Gordon[i] = ("Gordon" %in% data$Names[[i]])
  data$Amanda[i] = ("Amanda" %in% data$Names[[i]])
  data$Edward[i] = ("Edward" %in% data$Names[[i]])
  data$Anna[i] = ("Anna" %in% data$Names[[i]]) 
  dummy$Leonard[i] = ("Leonard" %in% dummy$Names[[i]])   
}
hc <- data%>% select(-Names,) %>%
  select(-Final_Group, -Initial_Group ) %>%
  dist() %>% hclust(.,method = "complete") 
cutree(hc)
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2
plot(hc)

​

​

这和Final_Group很相似

​

​