结合子集和组合的有效方法

Question

我的问题是关于构建“combn by”函数之类的快速有效方法，并结合合并两个数据集的问题。我的数据大致是这样的：

DF <- data.frame(c(1, 1, 1, 2), c("A", "B", "C", "A"))
colnames(DF) <- c("ID", "Classification")
DF
  ID Classification
1  1              A
2  1              B
3  1              C
4  2              A
M <- matrix(data=c(1, 2, 3, 2, 4, 5, 3, 5, 6), nrow=3, ncol=3)
colnames(M) <- c("A", "B", "C")
rownames(M) <- c("A", "B", "C")
M
  A B C
A 1 4 7
B 2 5 8
C 3 6 9

我最终想要的结果是这样的（有没有还包括Classification1和Classification2变量，我不在乎）：

RESULT <- data.frame(c(1, 1, 1, 1, 1, 1, 2), c("A", "A", "A", "B", "B", "C", "A"), 
                     c("A", "B", "C", "B", "C", "C", NA), c(1, 2, 3, 4, 5, 6, NA))
colnames(RESULT) <- c("ID", "Classification1", "Classification2", "Value")
RESULT
  ID Classification1 Classification2 Value
1  1               A               A     1
2  1               A               B     2
3  1               A               C     3
4  1               B               B     4
5  1               B               C     5
6  1               C               C     6
7  2               A            <NA>    NA

所以本质上我想告诉 R 类似：对于 ID 的每个唯一值，创建 Classification 中因子的所有可能的二进制组合，对于这些可能的组合中的每一个，在矩阵中查找相应的值M，返回一个data.frame，其中包含ID 的列和values 的相应列表。

我尝试在第一部分基于expand.grid 或combn 编写自己的函数，然后将melt 矩阵M 转换为长格式，并基于Classification 变量编写merge .这需要很多subset、merge，然后又是rbind，所以花了太长时间。我尝试使用lapply，我似乎无法做到这一点。我的感觉是data.table 可能有一个聪明的方法，但我也无法做到这一点。

非常感谢任何帮助。

尼尔斯

Answer 1

你可以先生成一个函数来对矩阵进行操作：

matrix.gather <- reshape2:::melt.matrix
matrix.gather(M)->k

这将为您提供矩阵行和列的组合。

> k
  Var1 Var2 value
1    A    A     1
2    B    A     2
3    C    A     3
4    A    B     2
5    B    B     4
6    C    B     5
7    A    C     3
8    B    C     5
9    C    C     6

然后你可能想mergek 和DF by Classification 像这样：

merge(k,DF,by="Classification")

   Classification Var2 value ID
1               A    A     1  1
2               A    A     1  2
3               A    C     3  1
4               A    C     3  2
5               A    B     2  1
6               A    B     2  2
7               B    A     2  1
8               B    B     4  1
9               B    C     5  1
10              C    B     5  1
11              C    A     3  1
12              C    C     6  1

Answer 2

与其他答案的逻辑大致相同，但我认为这更恰当地限制了组内的组合：

merge(
  merge(DF, DF, by="ID"),
  as.data.frame(as.table(M), responseName="Value"),
  by.x=2:3, by.y=1:2
)

#   Classification.x Classification.y ID Value
#1                 A                A  1     1
#2                 A                A  2     1
#3                 A                B  1     2
#4                 A                C  1     3
#5                 B                A  1     2
#6                 B                B  1     4
#7                 B                C  1     5
#8                 C                A  1     3
#9                 C                B  1     5
#10                C                C  1     6