R：在同一 id 中查找最常见的组合

Question

我在计算药物组合的数量时遇到了问题。我的数据组织在两个数据框中。 df1 包含 id 和 found 的药物，例如：

ID | drug
-----------
1  | drug1
1  | drug2
1  | drug3
2  | drug3
2  | drug5
3  | drug1
3  | drug3
3  | drug4
3  | drug5

df2 显示了 2 种不同药物的所有可能药物组合，如下所示：

combi1 | combi2
-----------------
drug1  | drug2
drug1  | drug3
drug1  | drug4
drug2  | drug3
drug2  | drug4
drug2  | drug5

总共有 7140 种可能的组合。我想要的是找出有多少个ID组合drug1-drug2，drug1-drug3等等。

我一直在尝试双 for 循环：

counter=0
for(com in 1:nrow(df2)){
 for(id in 1:unique(df1$ID)){
   if(df2$combi1[com] %in% df1$drug[id] & df2$combi2[com] %in% df1$drug[id])   {
  counter=counter+1
  }
}
df2$count=counter
counter=0
}

但它不起作用，因为它一次只能检查一行。我也尝试过Find Most Frequent Combination within a Vector by Group 中的解决方案，但没有任何运气。

此外，我需要对三种药物的组合做同样的事情

编辑： 我喜欢 df2 中的输出是这样的，在那里我可以看到 drug1 和 drug2 在 ID 中作为组合出现了多少次。例如，只有一个 ID 同时具有 drug1 和 drug2，而 2 个 ID 具有 drug1 和 drug3

combi1 | combi2 | count
-----------------------
drug1  | drug2  |   1
drug1  | drug3  |   2
drug1  | drug4  |   0
drug2  | drug3  |   1
drug2  | drug4  |   0
drug2  | drug5  |   0

Answer 1

对于这个，我访问了 data.table，但您也可以轻松地使用 tidyr。

library(data.table)
set.seed(213) # set seed
d <- data.table(ID = rep(1:3, each = 3), drug = paste0("drug", sample(1:5, 9, rep = T))) 

get_combs <- function(x, n = 2){
  uniq_x <- sort(unique(x))
  if(length(uniq_x) < n){
    return(NULL)
  } else {
    return(as.data.frame(t(combn(uniq_x, n)), stringsAsFactors = FALSE))
  }

}

combi <- d[, get_combs(drug), by = ID][order(V1, V2),]
combi[ , .N, by = .(V1, V2)]

      V1    V2 N
1: drug1 drug2 2
2: drug1 drug4 2
3: drug2 drug4 2
4: drug3 drug5 1

Answer 2

重塑数据可能更容易：

library(reshape2)
set.seed(213) # set seed
df <- data.frame(ID = rep(1:3, each = 3), drug = paste0("drug", sample(1:5, 9, rep = T))) #define data
df <- dcast(df, ID ~ drug)
df
  ID drug1 drug2 drug3 drug4 drug5
1  1     1     1     0     1     0
2  2     0     0     2     0     1
3  3     1     1     0     1     0

现在每个 ID 都有一行中的组合，您可以使用标准子集来查找具有特定组合的所有 ID。这是你想要的？如果没有，请将所需的输出添加到您的问题中。