基于唯一列交互的虚拟变量

Question

我有以下数据，并希望为两列之间的每个唯一交互创建一个$ID变量

DATE <- c('V', 'V', 'W', 'W', 'X', 'X', 'Y', 'Y', 'Z', 'Z')
SEX <- rep(1:2, 5)
Blood_T1 <- c(3,4,3,3,4,3,1,6,3,4)
Blood_T2 <- c(4,3,3,3,3,4,6,1,4,3)
df1 <- data.frame(DATE, SEX, Blood_T1, Blood_T2)

当按$DATE分组时，我希望为$Blood_T1和$Blood_T2的每个唯一组合创建一个新的虚拟变量，而不管它们的顺序如何。

所需的输出如下：

​

​

我不能使用和，因为它并不总是产生独特的组合。(请参阅上文以黄色标明的部分以作澄清)

我试过以下命令，但尚未命中要害

with(df1, interaction(Blood_T1, Blood_T2))
as.numeric(as.factor(with(df1, paste(Blood_T1, Blood_T2))))
transform(df1, Cluster_ID = as.numeric(interaction(Blood_T1, Blood_T2, drop=TRUE)))

Answer 1

我们可以试试data.table。将“data.frame”转换为“data.table”(setDT(df1))，获取“Blood_T1”和“Blood_T2”列的pmin和pmax，paste，它在一起，将值与unique元素组合起来，以创建“Unique_ID”，然后按“DATE”进行分组，并连接“Blood_T1”和“Blood_T2”的sum以创建“Sum”列。

library(data.table)
setDT(df1)[, Unique_ID := {
          i1 <- paste(pmin(Blood_T1, Blood_T2), pmax(Blood_T1, Blood_T2))
           match(i1, unique(i1))}]
df1[, Sum := c(sum(Blood_T1), sum(Blood_T2)), DATE][]
#     DATE SEX Blood_T1 Blood_T2 Unique_ID Sum
#1:    V   1        3        4         1   7
#2:    V   2        4        3         1   7
#3:    W   1        3        3         2   6
#4:    W   2        3        3         2   6
#5:    X   1        4        3         1   7
#6:    X   2        3        4         1   7
#7:    Y   1        1        6         3   7
#8:    Y   2        6        1         3   7
#9:    Z   1        3        4         1   7
#10:   Z   2        4        3         1   7

上述方法也可以在base R中实现，即矢量化方法。

i1 <- with(df1, paste(pmin(Blood_T1, Blood_T2), pmax(Blood_T1, Blood_T2)))
df1$Unique_ID <- match(i1, unique(i1))

Answer 2

实际上，您可以对单个对($Blood_T1和$Blood_T2)进行排序，并将它们放在一起paste，这已经是一种ID

apply(df1, 1, function(x) paste(sort(x[3:4]), collapse = ""))
#[1] "34" "34" "33" "33" "34" "34" "16" "16" "34" "34"

如果您想进一步减少它，您可以将其作为一个因素来处理，并获得数值。

as.numeric(as.factor(apply(df1, 1, function(x) paste(sort(x[3:4]), collapse = ""))))
#[1] 3 3 2 2 3 3 1 1 3 3

如果有必要的话，你也可以加入DATE

apply(df1, 1, function(x) paste(sort(x[c(1,3:4)]), collapse = ""))
#[1] "34V" "34V" "33W" "33W" "34X" "34X" "16Y" "16Y" "34Z" "34Z"