R中的数据变异答案

【问题标题】：Data mutate in RR中的数据变异
【发布时间】：2018-04-13 17:59:03
【问题描述】：

我有一个这样的数据框：

Var1 Var2 value
x5   x1   2
x6   x1   6
x1   x2   2
x5   x2   2
x6   x2   4
x7   x2   3

我想根据对应的Var2 与每对Var1 的最小值来重塑/聚合/总结它，就像这样：

Var3 Var4 minvalue
x5   x6   2
x1   x5   2
x1   x6   2
x1   x7   2
x5   x6   2
x5   x7   2
x6   x7   3

如果您将Var1 值与对应的Var2 值组合在一起，请选择最小值。例如，x1 as Var2 连接 x5 和 x6 作为 Var1 并且值为 min(x5,x6)=2

有什么想法吗？

【问题讨论】：

这两个数据集有什么关系？这个问题需要澄清，因为不可能知道您要达到的目标。
我想这就是你需要的do.call(rbind, lapply(split(df1[-2], df1$Var2), function(x) {x1 <- combn(x$Var1, 2, FUN = list); data.frame(do.call(rbind, x1),minvalue = sapply(x1, function(y) min(x$value[x$Var1 %in% y]))) }))
或使用data.table，即setDT(df1)[, {x1 <- combn(Var1, 2, FUN = list); data.frame(do.call(rbind, x1), minvalue = sapply(x1, function(y) min(value[Var1 %in% y])), stringsAsFactors= FALSE)}, Var2]

标签： r dplyr reshape2

【解决方案1】：

根据描述，我们需要做一个groupby combn来得到'pairs'的min'value'。 base R 选项是通过“Var2”到split，然后在“Var1”上执行combn，通过对每个“Var1”的相应值进行子集化来获得“值”的min

res <- do.call(rbind, lapply(split(df1[-2], df1$Var2), function(x) {
       x1 <- combn(x$Var1, 2, FUN = list)
      data.frame(do.call(rbind, x1),minvalue = sapply(x1, function(y) 
                 min(x$value[x$Var1 %in% y]))) }))
row.names(res) <- NULL
res
#  X1 X2 minvalue
#1 x5 x6        2
#2 x1 x5        2
#3 x1 x6        2
#4 x1 x7        2
#5 x5 x6        2
#6 x5 x7        2
#7 x6 x7        3

或者我们可以使用data.table，按“Var2”分组，像之前一样使用combn

library(data.table)
setDT(df1)[, {
         x1 <- combn(Var1, 2, FUN = list)
         data.frame(do.call(rbind, x1), 
              minvalue = sapply(x1, function(y) min(value[Var1 %in% y])),
             stringsAsFactors= FALSE)
           }, by = Var2]

数据

df1 <- structure(list(Var1 = c("x5", "x6", "x1", "x5", "x6", "x7"), 
Var2 = c("x1", "x1", "x2", "x2", "x2", "x2"), value = c(2L, 
6L, 2L, 2L, 4L, 3L)), .Names = c("Var1", "Var2", "value"),
class = "data.frame", row.names = c(NA, -6L))

【讨论】：

感谢@akrun，很好的解决方案。我在更大的数据集上测试了它们，并且运行良好。再次感谢。

【解决方案2】：

还有一个使用data.table's的替代解决方案non-equi join：

library(data.table)
setDT(df1)[, rn := .I][
  df1, on = .(Var2, rn < rn), nomatch = 0L, allow = TRUE,
  .(Var3 = Var1, Var4 = i.Var1, minvalue = pmin(value, i.value))]

   Var3 Var4 minvalue
1:   x5   x6        2
2:   x1   x5        2
3:   x1   x6        2
4:   x5   x6        2
5:   x1   x7        2
6:   x5   x7        2
7:   x6   x7        3

Var2 上的联接相当于按Var2 分组，而行号上的联接条件rn < rn 替换combn()。

如果应用于更大的数据集，我想知道这段代码在速度方面与 akrun's solutions 相比如何。

【讨论】：