通过链接 2 列设置 R data.table 行顺序

Question

我正在试图弄清楚如何根据 2 列的链接对 R 数据表进行排序。

这是我的示例 data.table。

dt <- data.table(id = c('A', 'A', 'A', 'A', 'A')
         , col1 = c(7521, 0, 7915, 5222, 5703)
         , col2 = c(7907, 5703, 8004, 7521, 5222))

   id col1 col2
1:  A 7521 7907
2:  A    0 5703
3:  A 7915 8004
4:  A 5222 7521
5:  A 5703 5222

我需要从 col1 = 0 开始的行顺序。第 2 行中的 col1 值应该等于前一行中 col2 的值，以此类推。

此外，通常应该始终有一个匹配值来链接行顺序。但如果不是，它应该选择最接近的值（请参见下面的第 4 行和第 5 行）。

我正在寻找的结果如下所示：

   id col1 col2
1:  A    0 5703
2:  A 5703 5222
3:  A 5222 7521
4:  A 7521 7907
5:  A 7915 8004

我想我可以编写一个疯狂的函数来做到这一点.. 但我想知道是否有一个优雅的 data.table 解决方案。

编辑
我更新了表格以包含一个带有重复行的附加 ID，以及一个唯一的源列：

dt <- data.table(id = c('A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B')
               , col1 = c(7521, 0, 7915, 5222, 5703, 1644, 1625, 0, 1625, 1625)
               , col2 = c(7907, 5703, 8004, 7521, 5222, 1625, 1625, 1644, 1625, 1505)
               , source = c('c', 'b', 'a', 'e', 'd', 'y', 'z', 'x', 'w', 'v'))

    id col1 col2 source
 1:  A 7521 7907      c
 2:  A    0 5703      b
 3:  A 7915 8004      a
 4:  A 5222 7521      e
 5:  A 5703 5222      d
 6:  B 1644 1625      y
 7:  B 1625 1625      z
 8:  B    0 1644      x
 9:  B 1625 1625      w
10:  B 1625 1505      v

ID 中可以有匹配的值。见上文第 7 行和第 9 行的 B。但是，这些数据的每一行都有一个唯一的来源。

期望的输出是：

    id col1 col2 source
 1:  A    0 5703      b
 2:  A 5703 5222      d
 3:  A 5222 7521      e
 4:  A 7521 7907      c
 5:  A 7915 8004      a
 6:  B    0 1644      x
 7:  B 1644 1625      y
 8:  B 1625 1625      w
 9:  B 1625 1625      z
10:  B 1625 1625      v

在输出中，匹配的行 8 和 9 可以是任意顺序。

谢谢！

Answer 1

base 中使用Reduce 的链式排序解决方案。

fun <- function(j,k) {
    i[j] <<- FALSE
    r[i][which.min(abs(x$col2[j] - x$col1[i]))]
}

do.call(rbind, lapply(split(dt, dt$id), function(x) {
    assign("x", x, envir = .GlobalEnv)
    assign("i", rep(TRUE, nrow(x)), envir = .GlobalEnv)
    assign("r", seq_along(i), envir = .GlobalEnv)
    x[Reduce(fun, r[-1], which.min(x$col1), accumulate = TRUE),]
}))
#     id col1 col2 source
#A.2   A    0 5703      b
#A.5   A 5703 5222      d
#A.4   A 5222 7521      e
#A.1   A 7521 7907      c
#A.3   A 7915 8004      a
#B.8   B    0 1644      x
#B.6   B 1644 1625      y
#B.7   B 1625 1625      z
#B.9   B 1625 1625      w
#B.10  B 1625 1505      v

或者使用for循环：

fun <- function(init, from, to) {
  i <- integer(length(to))
  i[1] <- init
  j <- seq_along(to)[-init]
  for(k in seq_along(i)[-1]) {
    x <- which.min(abs(to[i[k-1]] - from[j]))
    i[k] <- j[x]
    j <- j[-x]
  }
  i
}
do.call(rbind, lapply(split(dt, dt$id), function(x) {
 x[fun(which.min(x$col1), x$col1, x$col2),]}))
#     id col1 col2 source
#A.2   A    0 5703      b
#A.5   A 5703 5222      d
#A.4   A 5222 7521      e
#A.1   A 7521 7907      c
#A.3   A 7915 8004      a
#B.8   B    0 1644      x
#B.6   B 1644 1625      y
#B.7   B 1625 1625      z
#B.9   B 1625 1625      w
#B.10  B 1625 1505      v

数据：

dt <- data.frame(id = c('A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B')
               , col1 = c(7521, 0, 7915, 5222, 5703, 1644, 1625, 0, 1625, 1625)
               , col2 = c(7907, 5703, 8004, 7521, 5222, 1625, 1625, 1644, 1625, 1505)
               , source = c('c', 'b', 'a', 'e', 'd', 'y', 'z', 'x', 'w', 'v'))

Answer 2

这是一个使用igraph 和data.table 的选项：

#add id in front of cols to distinguishes them as vertices
cols <- paste0("col", 1L:2L)
dt[, (cols) := lapply(.SD, function(x) paste0(id, x)), .SDcols=cols]

#permutations of root nodes and leaf nodes
chains <- dt[, CJ(root=setdiff(col1, col2), leaf=setdiff(col2, col1)), id]

#find all paths from root nodes to leaf nodes
#note that igraph requires vertices to be of character type
library(igraph)
g <- graph_from_data_frame(dt[, .(col1, col2)])
l <- lapply(unlist(
  apply(chains, 1L, function(x) all_simple_paths(g, x[["root"]], x[["leaf"]])), 
  recursive=FALSE), names)
links <- data.table(g=rep(seq_along(l), lengths(l)), col1=unlist(l))

#look up edges
dt[links, on=.(col1), nomatch=0L]

输出：

    id  col1  col2 source g
 1:  A    A0 A5703      b 1
 2:  A A5703 A5222      d 1
 3:  A A5222 A7521      e 1
 4:  A A7521 A7907      c 1
 5:  A A7915 A8004      a 2
 6:  B    B0 B1644      x 3
 7:  B B1644 B1625      y 3
 8:  B B1625 B1625      z 3
 9:  B B1625 B1625      w 3
10:  B B1625 B1505      v 3

数据：

library(data.table)
dt <- data.table(id = c('A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B')
  , col1 = c(7521, 0, 7915, 5222, 5703, 1644, 1625, 0, 1625, 1625)
  , col2 = c(7907, 5703, 8004, 7521, 5222, 1625, 1625, 1644, 1625, 1505)
  , source = c('c', 'b', 'a', 'e', 'd', 'y', 'z', 'x', 'w', 'v'))

Answer 3

这是另一种方法：

1. 重新排序将首先放置 0 值的数据。
2. 循环遍历其余值以返回col2 与col1 匹配的索引。

setorder(dt, col1)

neworder = seq_len(nrow(dt))
init = 1L
col1 = dt[['col1']]; col2 = dt[['col2']]

for (i in seq_along(neworder)[-1L]) {
  ind = match(col2[init], col1)
  if (is.na(ind)) break
  neworder[i] = init = ind
}

dt[neworder]

##       id  col1  col2
##   <char> <num> <num>
##1:      A     0  5703
##2:      A  5703  5222
##3:      A  5222  7521
##4:      A  7521  7907
##5:      A  7915  8004

如果您使用分组进行操作，您可以将循环包装在 dt[, .I[{...}, by = id]$V1 中以返回索引。或者为了让它看起来更好，我们可以做一个函数。

recursive_order = function (x, y) {
  neworder = seq_len(length(x))
  init = 1L

  for (i in neworder[-1L]) {
    ind = match(y[init], x)
    if (is.na(ind)) break

    # Multiple matches which means all the maining matches are the same number
    if (ind == init) { 
      inds = which(x %in% y[init])
      l = length(inds)
      neworder[i:(i + l - 2L)] = inds[-1L]
      break
    }
    neworder[i] = init = ind
  }
  return(neworder)
}

dt <- data.table(id = c('A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B')
                 , col1 = c(7521, 0, 7915, 5222, 5703, 1644, 1625, 0, 1625, 1625)
                 , col2 = c(7907, 5703, 8004, 7521, 5222, 1625, 1625, 1644, 1625, 1505)
                 , source = c('c', 'b', 'a', 'e', 'd', 'y', 'z', 'x', 'w', 'v'))

setorder(dt, col1)
dt[dt[, .I[recursive_order(col1, col2)], by = id]$V1]

       id  col1  col2 source
    <char> <num> <num> <char>
 1:      A     0  5703      b
 2:      A  5703  5222      d
 3:      A  5222  7521      e
 4:      A  7521  7907      c
 5:      A  7915  8004      a
 6:      B     0  1644      x
 7:      B  1644  1625      y
 8:      B  1625  1625      z
 9:      B  1625  1625      w
10:      B  1625  1505      v