sql - 独特的组合频率

Question

我有一个包含 10 列的数据集。第一列是唯一标识符。其他 9 列是相关属性。现在，我们只说它们是整数。如果需要，数据可以轻松地转换为键值。

例如:

id|attr1|attr2|attr3|...
a |  2  |  5  |  7  |...
b |  3  |  1  |null |...
c |  2  |null |null |...
d |  1  |  2  |  5  |...
e |  2  |  1  |  3  |...

我本质上是在寻找任意长度的最常见组合，至少有一对。所以我的输出是:

unq   | frequency
1,2   | 2
1,3   | 2
1,5   | 1
2,3   | 1
2,5   | 2
2,7   | 1
1,2,3 | 1
1,2,5 | 1
2,5,7 | 1

(手动完成此操作 - 希望没有错误) - 配对的顺序并不重要。 2,5,7 = 5,2,7 = 7,5,2 等

有什么想法吗？我对不同的工具持开放态度。我可以访问 R、Excel、sql server、mysql 等。

Excel 是首选，但不是必需的!

Answer 1

这是 R 中的解决方案:

重新创建数据

x <- data.frame(
    id = letters[1:5],
    attr1 = c(2,3,2,1,2),
    attr2 = c(5,1,NA,2,1),
    attr3 = c(7,NA,NA,5,3))
x

  id attr1 attr2 attr3
1  a     2     5     7
2  b     3     1    NA
3  c     2    NA    NA
4  d     1     2     5
5  e     2     1     3

创建一个函数来列出所有组合

make_combinations <- function(data, size){
  t1 <- apply(data[, -1], 1, function(data)unname(sort(data)))
  t2 <- lapply(t1, function(xt){if(length(xt)>=size){combn(xt, size)}})
  t3 <- sapply(t2[!is.na(t2)], 
      function(chunk){if(!is.null(chunk))apply(chunk, 2, function(x)paste(x, collapse=","))})
  t4 <- unlist(t3)
  t4
}

创建第二个函数来计算组合

count_combinations <- function(data, nn=2:3){
  tmp <- unlist(lapply(nn, function(n)make_combinations(data, n)))
  sort(table(tmp), decreasing=TRUE)
}  

结果:

count_combinations(x, 2:3)


  1,2   1,3   2,5 1,2,3 1,2,5   1,5   2,3 2,5,7   2,7   5,7 
    2     2     2     1     1     1     1     1     1     1