R如何对行之间的部分重叠值进行分组？

Question

我有一个数据框，其中一些行需要通过行之间的一些重叠值进一步分组

col1, col2
a1,   2;3 
a2,   2
a3,   3;4
a4,   4
a5,   2;4
a6,   5
a7,   5;6
a8,   6,7

col2 中的值 2 出现在第 1,2 和 5 行，因为值 3 与 2 在第 1 行，值 4将第5行的2定义为一组，则值3和4都可以算作1组为2；

对于第 2 组，值 5 在第 6 行和第 7 行重叠，值 6 和值 7 是相同的大小写键，因此它们也可以归为一组。

因此，可以将输出汇总到一个名为 group 的新列中，如下所示：

col1, col2, group
a1,   2;3,  1
a2,   2,    1
a3,   3;4,  1
a4,   4,    1
a5,   2;4,  1
a6,   5,    2    
a7,   5;6,  2
a8,   6;7,  2

有什么想法可以使用 tidyverse/dplyr 吗？非常感谢！

Answer 1

这基本上是一个图问题，您需要找到连接的子图。这对于igraph 库来说是非常简单的，唯一棘手的部分是正确地重塑你的数据。所以用样本数据

dd <- structure(list(col1 = c("a1", "a2", "a3", "a4", "a5"), col2 = c("2;3", 
"2", "3;4", "4", "2;4")), class = "data.frame", row.names = c(NA, 
-5L))

你可以使用

library(dplyr)
library(tidyr)
library(igraph)

dd %>% 
  separate_rows(col2) %>% 
  select(col1, col2) %>% 
  graph_from_data_frame(directed = FALSE) %>% 
  clusters() %>% 
  membership() %>% 
  tibble::enframe() %>% 
  right_join(dd, by=c("name"="col1"))

我们将数据展开成不同的行，然后在无向图中连接所有边。我们运行一个简单的社区检测并将这些结果强制返回到我们加入原始数据的数据框中。这确实假设 col1 中的值不与 col2 中存储的值重叠。