r - 跨共享公共(public)列分配 groupid

Question

我有以下 data.frame(实际上它有数百万条记录)。

当电话号码与任何其他记录和任何电话号码位置相匹配时，我希望能够分配一个 group_id。

id <- c(1:5)
phone_1 <- c("444","", "333", "222", "")
phone_2 <- c("", "444", "111", "", "")
phone_3 <- c("222","", "", "", "111")
df <- data.frame(id, phone_1, phone_2, phone_3)

输出将是:

print(df)
#   id phone_1 phone_2 phone_3  group_id
# 1  1     444             222  1
# 2  2             444          1
# 3  3     333     111          2
# 4  4     222                  1
# 5  5                     111  2

请注意，缺失值("" 或 NA)应被视为不可比较(或者以上所有值都位于同一组中)。

Answer 1

这是查找图形组件的解决方案:

library(tidyr)
library(dplyr)
library(igraph)

df$id <- paste0("id-", df$id)

graph <- 
  df %>%
  gather(dummy, phone, -id) %>% 
  select(-dummy) %>% 
  filter(!is.na(phone) & phone != "") %>% 
  as.matrix() %>% 
  graph_from_edgelist(directed = FALSE)

plot(graph)

df$ID <- components(graph)$membership[df$id]

df

#     id phone_1 phone_2 phone_3 ID
# 1 id-1     444             222  1
# 2 id-2             444          1
# 3 id-3     333     111          2
# 4 id-4     222                  1
# 5 id-5                     111  2