r - 如何使用 R 识别存储在数据框中的列中的二进制变量的不同组合

Question

我有一个数据框，其中每一行代表一个单独的标识符和一系列带有标志的列，这些标志代表与该标识符相关的某些特征。这些特性不是相互排斥的，一个标识符可以具有一个或多个特性。我们称它们为 a, b, c。我有兴趣了解数据中存在这些特征的哪些组合，即 a, b, c, a+b, a+c, b+c, a+b+c 发生了吗？

使用 R，我可以在一个漂亮的小 tidyverse case_when 管道中对此进行编码...但是，我正在寻找一种可以针对更多特征进行扩展的解决方案。一旦您添加更多列，可能性的数量就会呈指数级增长，硬编码变得不切实际并且容易出错。

我在这里汇总了一些示例数据...

set.seed(100)

example_data <- data.frame(
  id = (1:20),
  a = sample(0:1, replace = TRUE, size = 20),
  b = sample(0:1, replace = TRUE, size = 20),
  c = sample(0:1, replace = TRUE, size = 20),
  d = sample(0:1, replace = TRUE, size = 20),
  e = sample(0:1, replace = TRUE, size = 20),
  f = sample(0:1, replace = TRUE, size = 20))

连同我想要的输出的模型。

combination count
a           1
b           0
c           4
...
a+b         2
a+c         0
a+d         0
a+e         0
a+f         1
a+b+c       0
a+b+d       0
a+b+e       1
a+b+f       0
a+c+d       1
a+c+e       0
...
a+b+c+d+e   1
...
a+b+c+d+e+f 1
...

我什至不知道如何解决这个问题，如果有任何提示、建议或使用 R 的潜在解决方案，我将不胜感激。如果您能够使用 tidyverse，我会加分。

Answer 1

你可以试试:

library(dplyr)
library(tidyr)
library(purrr)

# Create combination labels 
labs <- setdiff(names(example_data), "id") %>%
  map(seq_along(.), combn, x = ., paste, collapse = "+") %>%
  unlist()

# Create combinations and count
example_data %>%
  pivot_longer(-id) %>%
  filter(value == 1) %>%
  group_by(id) %>%
  summarise(cmbs = map(1:n(), combn, x = name, FUN = paste, collapse = "+"), .groups = "drop") %>%
  unnest(cmbs) %>%
  mutate(cmbs = factor(cmbs, levels = labs)) %>% # Convert to factor so absent combinations aren't lost when counting
  count(cmbs, .drop = FALSE) %>%                 # Need to use .drop = FALSE argument to prevent zero counts being dropped
  arrange(cmbs) 

# A tibble: 63 × 2
   cmbs      n
   <fct> <int>
 1 a        12
 2 b        12
 3 c         7
 4 d         9
 5 e        10
 6 f        10
 7 a+b       8
 8 a+c       3
 9 a+d       5
10 a+e       4
# … with 53 more rows
# ℹ Use `print(n = ...)` to see more rows