我想根据同一数据框中其他列的条件从 R 数据框中的列中生成 8 个名称组合答案

【问题标题】：I want to generate 8 combinations of names from a column in an R data frame based on conditions from other columns in the same data frame我想根据同一数据框中其他列的条件从 R 数据框中的列中生成 8 个名称组合
【发布时间】：2015-09-30 00:13:15
【问题描述】：

我有一个数据框，其中包含来自 4 个不同球队的 20 名球员（每支球队 5 名球员），每个人都从幻想选秀中分配了薪水。我希望能够创建工资等于或小于 10000 且总分大于 x 的 8 名球员的所有组合，但不包括包含来自同一球队的 4 名或更多球员的任何组合。

这是我的数据框的样子：

       Team      Player    K   D    A    LH Points Salary    PPS
  4     ATN  ExoticDeer  6.1 3.3  6.4 306.9 22.209   1622 1.3692
  2     ATN     Supreme  6.8 5.3  7.1 229.4 21.954   1578 1.3913
  1     ATN        sasu  3.6 6.4 11.0  95.7 19.357   1244 1.5560
  3     ATN eL lisasH 2  2.6 6.1  7.9  29.7 12.037    998 1.2061
  5     ATN       Nisha  2.7 5.6  7.5  48.2 12.282    955 1.2861
  11     CL Swiftending  6.0 5.8  7.8 360.5 22.285   1606 1.3876
  13     CL     Pajkatt 13.3 7.5  9.3 326.8 37.248   1489 2.5015
  15     CL  SexyBamboe  6.3 8.5  9.3 168.0 20.660   1256 1.6449
  14     CL         EGM  2.8 6.0 13.5  78.8 21.988    989 2.2233
  12     CL       Saksa  2.5 6.5 10.5  59.8 15.898    967 1.6441
  51 DBEARS         Ace  7.0 3.4  6.9 195.6 23.596   1578 1.4953
  31 DBEARS    HesteJoe  5.4 5.4  6.1 176.7 16.927   1512 1.1195
  61 DBEARS      Miggel  2.8 6.8 11.0 141.8 17.818   1212 1.4701
  21 DBEARS        Noia  3.0 6.0  8.0  36.1 13.161    970 1.3568
  41 DBEARS        Ryze  2.7 4.7  6.7  74.6 12.166    937 1.2984
  8      GB Keyser Soze  6.0 5.0  5.6 316.0 19.120   1602 1.1935
  9      GB      Madara  5.4 5.3  6.6 334.5 19.405   1577 1.2305
  10     GB     SkyLark  1.8 5.3  7.0  71.8 10.218   1266 0.8071
  7      GB         MNT  2.3 5.9  6.1  85.6  9.316   1007 0.9251
  6      GB   SKANKS224  1.4 7.6  7.4  52.5  7.565    954 0.7930

我遵循这篇文章中描述的一般概念：I want to generate combinations of 5 names from a column in an R data frame, whose values in a different column add up to a certain number or less

调整代码以满足我的需要。这是我目前所拥有的：

## make a list of all combinations of 8 of Player, Points and Salary
xx <- with(FantasyPlayers, lapply(list(as.character(Player), Points, Salary), combn,     8))
## convert the names to a string, 
## find the column sums of the others,
## set the names
yy <- setNames(
lapply(xx, function(x) {
    if(typeof(x) == "character") apply(x, 2, toString) else colSums(x)
}),
names(FantasyPlayers)[c(2, 7, 8)]
)
## coerce to data.frame
newdf <- as.data.frame(yy)

使用上面的代码，我可以生成所有可能有 8 名球员的阵容，然后根据各种标准（总薪水和积分数）对其进行子集化，但是在排除超过3 名来自同一球队的球员。

我想这些阵容需要从 newdf 中排除，但我真的不知道从哪里开始。

这里是输出结果：

structure(list(Team = c("ATN", "ATN", "ATN", "ATN", "ATN", "CL", 
"CL", "CL", "CL", "CL", "DBEARS", "DBEARS", "DBEARS", "DBEARS", 
"DBEARS", "GB", "GB", "GB", "GB", "GB"), Player = structure(c(2L, 
5L, 4L, 1L, 3L, 15L, 12L, 14L, 11L, 13L, 16L, 18L, 19L, 20L, 
21L, 6L, 7L, 10L, 8L, 9L), .Label = c("eL lisasH 2", "ExoticDeer", 
"Nisha", "sasu", "Supreme", "Keyser Soze", "Madara", "MNT", "SKANKS224", 
"SkyLark", "EGM", "Pajkatt", "Saksa", "SexyBamboe", "Swiftending", 
"Ace", "DruidzOzoneShoc", "HesteJoe", "Miggel", "Noia", "Ryze"
), class = "factor"), K = c(6.1, 6.8, 3.6, 2.6, 2.7, 6, 13.3, 
6.3, 2.8, 2.5, 7, 5.4, 2.8, 3, 2.7, 6, 5.4, 1.8, 2.3, 1.4), D = c(3.3, 
5.3, 6.4, 6.1, 5.6, 5.8, 7.5, 8.5, 6, 6.5, 3.4, 5.4, 6.8, 6, 
4.7, 5, 5.3, 5.3, 5.9, 7.6), A = c(6.4, 7.1, 11, 7.9, 7.5, 7.8, 
9.3, 9.3, 13.5, 10.5, 6.9, 6.1, 11, 8, 6.7, 5.6, 6.6, 7, 6.1, 
7.4), LH = c(306.9, 229.4, 95.7, 29.7, 48.2, 360.5, 326.8, 168, 
78.8, 59.8, 195.6, 176.7, 141.8, 36.1, 74.6, 316, 334.5, 71.8, 
85.6, 52.5), Points = c(22.209, 21.954, 19.357, 12.037, 12.282, 
22.285, 37.248, 20.66, 21.988, 15.898, 23.596, 16.927, 17.818, 
13.161, 12.166, 19.12, 19.405, 10.218, 9.316, 7.565), Salary = c(1622, 
1578, 1244, 998, 955, 1606, 1489, 1256, 989, 967, 1578, 1512, 
1212, 970, 937, 1602, 1577, 1266, 1007, 954), PPS = c(1.3692, 
1.3913, 1.556, 1.2061, 1.2861, 1.3876, 2.5015, 1.6449, 2.2233, 
1.6441, 1.4953, 1.1195, 1.4701, 1.3568, 1.2984, 1.1935, 1.2305, 
0.8071, 0.9251, 0.793)), .Names = c("Team", "Player", "K", "D", 
"A", "LH", "Points", "Salary", "PPS"), class = "data.frame", row.names = c("4", 
"2", "1", "3", "5", "11", "13", "15", "14", "12", "51", "31", 
"61", "21", "41", "8", "9", "10", "7", "6"))

【问题讨论】：

请给出dput（你的数据框）的结果

标签： r dataframe combinations

【解决方案1】：

我认为最好以长格式构建它：

组建团队

library(data.table)
setDT(FantasyPlayers)

xx    <- combn(as.character(FantasyPlayers$Player), 8)
mxx   <- setDT(melt(xx, varnames=c("jersey_no", "team_no"), value.name="Player"))

head(mxx,10)
#     jersey_no team_no      Player
#  1:         1       1  ExoticDeer
#  2:         2       1     Supreme
#  3:         3       1        sasu
#  4:         4       1 eL lisasH 2
#  5:         5       1       Nisha
#  6:         6       1 Swiftending
#  7:         7       1     Pajkatt
#  8:         8       1  SexyBamboe
#  9:         1       2  ExoticDeer
# 10:         2       2     Supreme

8 名玩家一组共享一个team_no，并由他们的jersey_no 索引。查看?melt.array 以了解其工作原理。 setDT 只是将生成的 data.frame 转换为 data.table 以便于合并。

合并以恢复Player 属性

FantasyTeams <- FantasyPlayers[mxx, on="Player"]

#          Team      Player   K   D    A    LH Points Salary    PPS jersey_no team_no
#       1:  ATN  ExoticDeer 6.1 3.3  6.4 306.9 22.209   1622 1.3692         1       1
#       2:  ATN     Supreme 6.8 5.3  7.1 229.4 21.954   1578 1.3913         2       1
#       3:  ATN        sasu 3.6 6.4 11.0  95.7 19.357   1244 1.5560         3       1
#       4:  ATN eL lisasH 2 2.6 6.1  7.9  29.7 12.037    998 1.2061         4       1
#       5:  ATN       Nisha 2.7 5.6  7.5  48.2 12.282    955 1.2861         5       1
#      ---                                                                           
# 1007756:   GB Keyser Soze 6.0 5.0  5.6 316.0 19.120   1602 1.1935         4  125970
# 1007757:   GB      Madara 5.4 5.3  6.6 334.5 19.405   1577 1.2305         5  125970
# 1007758:   GB     SkyLark 1.8 5.3  7.0  71.8 10.218   1266 0.8071         6  125970
# 1007759:   GB         MNT 2.3 5.9  6.1  85.6  9.316   1007 0.9251         7  125970
# 1007760:   GB   SKANKS224 1.4 7.6  7.4  52.5  7.565    954 0.7930         8  125970

默认情况下，只打印 data.table 的第一行和最后几行。要检查整个事情，请尝试?View 或查看?print.data.table 的参数。

过滤到一组具有所选功能的团队

过滤到来自同一Team的玩家不超过三名的team_no...

my_teams <- FantasyTeams[, max(table(Team)) <= 3, by=team_no][V1==TRUE]$team_no

V1 是分配给构造变量max(table(Team)) <= 3 的默认名称。这不是闪电般的速度，但现在您已经排除了一些团队，以后的子集步骤应该会更快：

my_new_teams <- 
  FantasyTeams[team_no %in% my_teams, sum(Salary) < 10000, by=team_no][V1==TRUE]$team_no

要节省一些击键和微秒，请将(V1) 替换为V1==TRUE。这是惯用的方式。

从一组团队中恢复名册

要获得与每个团队相关联的名册，请加入/合并mxx

mxx[.(team_no = my_new_teams), on="team_no"]

如果你想让玩家在一行中列出，就像在 OP 中一样：

mxx[.(team_no = my_new_teams), .(roster = toString(Player)), on="team_no", by=.EACHI]

如果您想要每个团队的汇总统计数据，则需要加入 FantasyTeams：

FantasyTeams[.(team_no = my_new_teams), .(
  roster     = toString(Player),
  tot_salary = sum(Salary),
  tot_points = sum(Points)
), on="team_no", by=.EACHI]

#        team_no                                                              roster tot_salary tot_points
#     1:    3716      ExoticDeer, Supreme, sasu, Swiftending, EGM, Saksa, Noia, Ryze       9913    149.018
#     2:    3720       ExoticDeer, Supreme, sasu, Swiftending, EGM, Saksa, Noia, MNT       9983    146.168
#     3:    3721 ExoticDeer, Supreme, sasu, Swiftending, EGM, Saksa, Noia, SKANKS224       9930    144.417
#     4:    3725       ExoticDeer, Supreme, sasu, Swiftending, EGM, Saksa, Ryze, MNT       9950    145.173
#     5:    3726 ExoticDeer, Supreme, sasu, Swiftending, EGM, Saksa, Ryze, SKANKS224       9897    143.422
#    ---                                                                                                  
# 40202:  125663         EGM, Saksa, Miggel, Noia, Ryze, Keyser Soze, MNT, SKANKS224       8638    117.032
# 40203:  125664                EGM, Saksa, Miggel, Noia, Ryze, Madara, SkyLark, MNT       8925    119.970
# 40204:  125665          EGM, Saksa, Miggel, Noia, Ryze, Madara, SkyLark, SKANKS224       8872    118.219
# 40205:  125666              EGM, Saksa, Miggel, Noia, Ryze, Madara, MNT, SKANKS224       8613    117.317
# 40206:  125667             EGM, Saksa, Miggel, Noia, Ryze, SkyLark, MNT, SKANKS224       8302    108.130

要了解by=.EACHI 在做什么，需要一点背景知识。这里的合并语法是DT[i, j, on=cols, by=.EACHI]。

如果j 和by 被忽略，它只会进行合并，就像FantasyTeams 的构造一样。
如果省略by，但包含j，则在合并后计算j。
如果by=.EACHI，则j 是针对i 中的每个值单独计算的。

【讨论】：

嗨弗兰克，谢谢。几乎一切似乎都奏效了——我能够创建 FantasyTeams 来反映您发布的样本，然后能够将它们过滤到正确数量的团队。但是，当我查看 my_new_teams 时，它只显示了 team_no 的列表。如何让它返回组成该特定球队的球员名单以及总工资和积分？
@GodlikeRoy 我刚刚在末尾添加了一个部分。

【解决方案2】：

这是一种方法：

splt.names <- strsplit(as.character(newdf$Player), ", ")
indices <- lapply(splt.names, function(x) match(x, FantasyPlayers$Player))
exclude <- lapply(indices, function(x) any(table(FantasyPlayers$Team[x]) > 3))
newdf2 <- newdf[!unlist(exclude), ]

首先用逗号分隔Player 列。然后将玩家名称与Fantasy Players 玩家名称列匹配。有了这些indices，我们就可以做主要的工作是any(table(FantasyPlayers$Team[x]) > 3)。这是对超过三支球队人数的检查，这将表明来自同一支球队的 3 名或更多球员。

【讨论】：

哇，这真的很好用！我对 newdf2 进行子集过滤以过滤薪水 > 10000 和积分 > 165，并获得了一个非常有用的样本，其中包含大约 20 个符合我需要的所有标准的团队。非常感谢。
你好。我想知道您是否可以帮助我解决我遇到的另一个问题。我尝试在具有 40 行和相同列数的新数据帧上执行相同的代码。当我运行代码时，我收到几条错误消息，说“无法分配大小为 8.0 gb 的向量”，现在每当我运行 R 时，我的计算机正在使用 90+% 的内存（16gb）。我想数据框中有 40 个玩家的组合数量太高了——那么你知道有什么办法解决这个问题吗？干杯。
@GodlikeRoy 你是对的。仅供参考，您可以看到choose(40,8) 的组合数量。 choose(40,8)/choose(20,8) 的比率表明您需要 600 倍的空间。
@GodlikeRoy 如果此答案对您有用，您可以接受，如帮助中心中所述：stackoverflow.com/help/someone-answers 如果除了最初提出的问题之外，您还有一个完全不同的问题，请随时将其作为新问题发布。