r - 列出数据框中没有观察值的所有因素(相互作用)组合，直到给定维度，删除冗余

Question

对于只有因子列的给定数据框，我想列出数据中没有出现的最多 m 个属性的所有因子组合。下面是一个简单的例子:

d <- expand.grid(w=factor(1:2), x=factor(1:2), y=factor(1:2),
                 z=factor(1:2))

# These combinations are removed by tail():
rmcomb <- 5; head(d, rmcomb)

##   w x y z
## 1 1 1 1 1
## 2 2 1 1 1
## 3 1 2 1 1
## 4 2 2 1 1
## 5 1 1 2 1


d <- tail(d, -rmcomb)
ftable(d, row.vars=c("w", "x"))

##     y 1   2  
##     z 1 2 1 2
## w x          
## 1 1   0 1 0 1
##   2   0 1 1 1
## 2 1   0 1 1 1
##   2   0 1 1 1

对于 m == 3，我们考虑 d 中最多三个属性的所有 4 + 6 + 4 = 14 种组合:

m <- 3
library(plyr)
llply(
  1:m,
  function(i) combn(ncol(d), i, simplify=F)
) -> cc
unlist(cc, recursive=F) -> cc
length(cc)

## [1] 14

我们现在可以使用table 和use which 将选定的数据列制表。查找带零的条目:

llply(
  cc,
  function(cols) {
    which(table(d[, cols]) == 0, arr.ind=T) -> z
    colnames(z) <- names(d)[cols]
    if (nrow(z) > 0) list(z) else NULL
  }
) -> zz
unlist(zz, recursive=F)

## [[1]]
##   y z
## 1 1 1
## 
## [[2]]
##   w x z
## 1 1 1 1
## 
## [[3]]
##   w y z
## 1 1 1 1
## 2 2 1 1
## 
## [[4]]
##   x y z
## 1 1 1 1
## 2 2 1 1

但是，上面结果中的项目 [[3]] 和 [[4]] 是多余的，因为它们被项目 [[1 ]](=没有观察到 y == 1，z == 1)。因此，解决方案应该是 (y,z) == (1,1); (w,x,z) == (1,1,1)。

R 中是否有内置工具可以用更少的代码解决问题，也许包括删除冗余(=覆盖)元组？如果不是，您将如何删除上述代码的这些冗余项？

Answer 1

以下是您可以如何继续您的算法来挑选出这些序列。首先，让我们将您的列表转换为一个矩阵，并填充 NA。我发现这更容易处理，但我相信通过一些努力您也可以让它与列表一起工作:

m = as.matrix(rbind.fill(lapply(zz, as.data.frame)))
#      y z  w  x
#[1,]  1 1 NA NA
#[2,] NA 1  1  1
#[3,]  1 1  1 NA
#[4,]  1 1  2 NA
#[5,]  1 1 NA  1
#[6,]  1 1 NA  2

现在让我们介绍一个函数，它会告诉我们 subseq 给出的矩阵的每一行是否是 seq 的“子序列”，这意味着它已经被 覆盖了code>seq 根据 OP 的定义:

is.subsequence = function(seq, subseq) {
  comp = seq == t(subseq)

  rowSums(t(is.na(comp) == is.na(seq) &
            matrix(!(comp %in% FALSE), nrow = length(seq)))) == length(seq)
}

剩下的就是遍历矩阵并丢弃覆盖的序列。由于 OP 自动排列 zz，我们可以从上到下执行此操作。

i = 1
while(i < nrow(m)) {
  m = rbind(m[1:i,], tail(m, -i)[!is.subsequence(m[i,], tail(m, -i)),])

  i = i+1
}

m
#      y z  w  x
#[1,]  1 1 NA NA
#[2,] NA 1  1  1

如果你愿意，你可以返回列表:

apply(m, 1, na.omit)