R:如何为数据框中的无序对创建 ID 变量

Question

我有一个数据框，其中包含成对国家之间贸易流量的变量，一个国家是导出国，一个国家是每一行的进口国。

我想创建一个 ID 号变量来标识每个无序 国家/地区对，为每对国家/地区提供相同的 ID 号，而不管哪个是导出商，哪个是进口商。因此，澳大利亚-美国将与美国-澳大利亚具有相同的 ID，但与澳大利亚-英国的 ID 不同。

这是带有 ID 变量的数据的示例。

YEAR     ISO_EXP     ISO_IMP     UNORD_PAIR_ID
1970     AUS         GBR         1
1970     AUS         USA         2
1970     AUS         ZIM         3
1970     GBR         AUS         1
1970     GBR         USA         4
1970     GBR         ZIM         5
1970     USA         AUS         2
1970     USA         GBR         4
1970     USA         ZIM         6
1970     ZIM         AUS         3
1970     ZIM         GBR         5
1970     ZIM         USA         6

我的数据集有大约 200 万行，包含 47 年来大约 44,000 个国家/地区对。

我已使用以下代码为每个订购 国家/地区对创建一个 ID。

data$ORD_PAIR_ID <- data %>% group_indices(data$ISO_EXP, data$ISO_IMP)

但我一直无法弄清楚如何为无序 对创建 ID。

非常感谢任何帮助。

Answer 1

我们可以使用 pmin/pmax 对 ISO_EXP、ISO_IMP 中的元素进行排序，并在 group_indices 中使用它

library(dplyr)
df1 %>%  
    mutate(pairid = group_indices(., pmax(ISO_EXP, ISO_IMP), 
                                     pmin(ISO_EXP, ISO_IMP)))
#   YEAR ISO_EXP ISO_IMP UNORD_PAIR_ID pairid
#1  1970     AUS     GBR             1      1
#2  1970     AUS     USA             2      2
#3  1970     AUS     ZIM             3      4
#4  1970     GBR     AUS             1      1
#5  1970     GBR     USA             4      3
#6  1970     GBR     ZIM             5      5
#7  1970     USA     AUS             2      2
#8  1970     USA     GBR             4      3
#9  1970     USA     ZIM             6      6
#10 1970     ZIM     AUS             3      4
#11 1970     ZIM     GBR             5      5
#12 1970     ZIM     USA             6      6

---

或者使用base R

v1 <- do.call(paste, as.data.frame(t(apply(df1[2:3], 1, sort))))
df1$pairid <-  match(v1, unique(v1))

数据

df1 <- structure(list(YEAR = c(1970L, 1970L, 1970L, 1970L, 1970L, 1970L, 
 1970L, 1970L, 1970L, 1970L, 1970L, 1970L), ISO_EXP = c("AUS", 
  "AUS", "AUS", "GBR", "GBR", "GBR", "USA", "USA", "USA", "ZIM", 
  "ZIM", "ZIM"), ISO_IMP = c("GBR", "USA", "ZIM", "AUS", "USA", 
  "ZIM", "AUS", "GBR", "ZIM", "AUS", "GBR", "USA"), UNORD_PAIR_ID = c(1L, 
  2L, 3L, 1L, 4L, 5L, 2L, 4L, 6L, 3L, 5L, 6L)), class = "data.frame", 
  row.names = c(NA, -12L))