r - 将每一行与 data.frame 中的所有其他行进行比较

Question

我有一个 tibble，每一行对应一个带有 ID 的样本，每个样本将有多个带有值的类别。我想列出两个或多个类别的值彼此匹配的 ID 对。

# A tibble: 3 x 2
ID    data            
<chr> <list>          
1 ID1   <tibble [1 x 3]>
2 ID2   <tibble [1 x 3]>
3 ID3   <tibble [1 x 3]>

我可以用 sum(match(x$data[[i]], x$data[[j]], nomatch=0)>0)获取两行之间的匹配计数。

我可以通过输入 match() 得到答案里面 i和 j循环。有没有更好的，即整洁的方式(使用 tidyverse )来获得答案？

谢谢。

例如，这里是原始的 data.frame:

   ID category value
1 ID1   length   100
2 ID1     type     L
3 ID1    color  Blue
4 ID2   length   100
5 ID2     type     M
6 ID2    color  Blue
7 ID3   length   150
8 ID3     type     M
9 ID3    color  Blue

输出将如下所示:

  ID.a ID.b matches
1  ID1  ID2       2
2  ID1  ID3       1
3  ID2  ID3       2

我用过 tidyverse如开头所示，将输入 data.frame 转换为 tibble，然后使用 match在一个循环中。

# A tibble: 3 x 2
ID    data            
<chr> <list>          
1 ID1   <tibble [1 x 3]>
2 ID2   <tibble [1 x 3]>
3 ID3   <tibble [1 x 3]>

Answer 1

这是一个使用 base R 的选项通过使用 table和 crossprod .设置crossprod的矩阵输出的下三角值至 NA , 通过转换为 data.frame 将其转换为 'long' 格式然后 subset 'Freq' 列的非 NA 行

out <- with(df, crossprod(table(paste(category, value), ID)))
out[lower.tri(out, diag = TRUE)] <- NA
subset(as.data.frame.table(out), !is.na(Freq))
#    ID ID.1 Freq
#4 ID1  ID2    2
#7 ID1  ID3    1
#8 ID2  ID3    2

数据

df <- structure(list(ID = c("ID1", "ID1", "ID1", "ID2", "ID2", "ID2", 
"ID3", "ID3", "ID3"), category = c("length", "type", "color", 
 "length", "type", "color", "length", "type", "color"), 
 value = c("100", 
 "L", "Blue", "100", "M", "Blue", "150", "M", "Blue")), 
 class = "data.frame", row.names = c(NA, -9L))