首页 > 解决方案 > 查找所有变量对之间的相交长度

问题描述

我有一个大型数据集(大约 130 列),如下所示:

data <- data.frame(AA = c("Apple", "Banana", "0", "Cherry", "0"),
                   AB = c("0", "0", "Apple", "Cherry", "0"),
                   AC = c("0", "0", "0", "0", "Cherry"),
                   AD = c("Cherry", "0", "0", "Banana", "0"))

谁能帮我找到所有可能的列对之间完全匹配的数量?输出应如下所示:

> output
  AA_AB AA_AC AA_AD AB_AC AB_AD AC_AD
      3     2     3     2     2     2

我尝试过使用length(intersect(data$AA, data$AB)),但我不知道如何在一个命令中将其应用于整个数据集。通过在 Stackoverflow 上搜索其他查询,我还尝试首先创建一个包含所有可能列对的数据框,但我无法弄清楚如何实际使我的输出与我的原始列名匹配然后应用该intersect函数。

N <- ncol(data)
combos <- expand.grid(1:N,1:N) %>%
  filter(!Var1==Var2)
combos <- combos[!duplicated(t(apply(combos[1:2], 1, sort))),]

标签: rintersect

解决方案


您可以使用和combn创建列名的组合并计算它们之间的公共值。lengthintersect

val <- combn(names(data), 2, function(x) 
             length(intersect(data[[x[1]]], data[[x[2]]])))

names(val) <- combn(names(data), 2, paste0, collapse =  '_')
val
#AA_AB AA_AC AA_AD AB_AC AB_AD AC_AD 
#    3     2     3     2     2     2 

推荐阅读