R 或 postgres SQL 代码：如何识别表中的所有连接值以识别唯一网络

Question

我遇到了一个有点类似于社交网络的问题。我需要识别一个朋友网络中的所有候选人，并给该朋友网络一个网络名称或编号。我必须在 SQL(postgres) 或 R 中写这个

"Createdcolumn(network)") 是我最后需要创建的。 Column1 和 Column2 已经在我的数据中

S.no/lineno        Column1      Column2    Createdcolumn(network)
   1                Peet         Jackson        1
   2                Jason        Filip          2
   3                Luke         Filip          2
   4                Jason        Becky          2
   5                Aron         Chris          3
   6                Maron        Cheese         4
   7                Matt         Brooklyn       5
   8                Brooklyn     Federer        5
   9                Ruselle      Federer        5

关于第一个图了解创建列的更多信息：

2、3、4行在网络2中是一起的，因为那是一个朋友圈，逻辑如下：

第 2 行和第 3 行因为 Filip 而连接

第 4 行和第 2 行因为 Jason 而连接

（所以现在所有 2,3 和 4 行实际上都是一个网络，因为它们都以某种方式连接；可能是朋友的朋友，或者朋友的朋友的朋友，或者朋友的朋友的 n 次）

同样7、8、9是一个网络，逻辑如下：

第 7 行和第 8 行是一个网络，因为布鲁克林

因为费德勒，第 8 行和第 9 行是一个网络

（所以现在所有第 7,8 和 9 行实际上是一个网络，因为它们以某种方式连接；可能是朋友的朋友，或者朋友的朋友的朋友，或者朋友的朋友的 n 次）

第 1 行：Peet 和 Jackson 没有其他朋友网络，因此该行本身就是一个网络

第 5 行：Aron 和 Chris 没有其他朋友网络，因此该行本身就是一个网络

现在

S.no/lineno        Column1      Column2    Createdcolumn(network)
   1                Peet         Jackson        1
   2                Jason        Filip          2
   3                Luke         Filip          2
   4                Jason        Becky          2
   5                Aron         Chris          3
   6                Maron        Cheese         4
   7                Matt         Brooklyn       5
   8                Brooklyn     Federer        5
   9                Ruselle      Federer        5
   10               Aron         Ruselle        5 

现在解释图 2 以便更好地理解：

在图 2 中，我在第 10 行添加了“Aron”和“Ruselle”。所以现在第 5 行从网络 3 更改为网络 5，因为它们都已连接：

7 号线和 8 号线因布鲁克林而相连

第 8 行和第 9 行因为费德勒而相连

第 9 行和第 10 行因为 Ruselle 是连通网络

第 5 行和第 10 行是因为 Aron 而连接的网络

（所以现在所有 5、7、8、9 和 10 行实际上都是一个网络，因为它们以某种方式连接）

标注： 1）图2中的网络5也可以重命名为网络“3”，没有问题。拥有一切的主要理念 作为 ONE 网络的一部分将人们联系起来 2) 我的列表不是动态的，不会从图 1 中的列表增长到图 2，所以我只需要一个可以在短期内完成我的工作的解决方案。现在不需要扩展解决方案 3）我的表有相同的两列，但几乎有 40K 唯一名称，所以我不能将任何名称硬编码到我的代码中 4) 名称可以是字母，也可以是字母数字的数字

我尝试使用复杂的全连接和交叉连接，但这很乏味。我读到了 R 上的 igraph 包，这可能是我正在寻找的

不确定我是否清楚地解释了我的问题。如有任何混淆，请见谅*

谢谢

Answer 1

**EDIT - 将其转换为 PostgresSQL 语法

这里是一个解决方案，基于 sql server cte 语法：

首先创建表：

create table net(s int, c1 varchar(20), c2 varchar(20))

下一步用您的数据填充：

insert into net values 
(1,'Peet','Jackson')
,(2,'Jason','Filip')
,(3,'Luke','Filip')
,(4,'Jason','Becky')
,(5,'Aron','Chris')
,(6,'Maron','Cheese')
,(7,'Matt','Brooklyn')
,(8,'Brooklyn','Federer')
,(9,'Ruselle','Federer')
,(10,'Aron','Ruselle')

现在是 CTE：

;with recursive cte as (
    select *, ','||c1||','||c2 as network, s as MaxS from net 
    union all
    select net.*, cte.network||','
    ||case when cte.network like '%'||net.c1||'%' then net.c2 else net.c1 end,net.s
    from net
    join cte on cte.network like '%'||','||net.c1||'%'  or cte.network like '%'||','||net.c2||'%'
    where net.s>cte.MaxS
) 
, groups as (
    select net.*, network, MaxS,
    row_number() over (partition by net.s order by length(network) desc) as longest
    from net
    join cte on cte.network like '%'||','||net.c1||'%'
) 
select s,c1,c2, 
dense_rank() over (order by MaxS) as groupno
from groups where longest=1

结果：

s   c1       c2     groupno
1   Peet     Jackson    1
2   Jason    Filip      2
3   Luke     Filip      2
4   Jason    Becky      2
6   Maron    Cheese     3
7   Matt     Brooklyn   4
8   Brooklyn Federer    4
9   Ruselle  Federer    4
10  Aron     Ruselle    4
5   Aron     Chris      4