如何获取数据关系并根据 R 中的这些关系将数据组合成组？

Question

我正在尝试匹配数据集中的所有客户，并为那些邮政编码匹配 100%、地址和电子邮件匹配 85% 的客户提供相似的 ID。我可以在R 中使用Record Linkage package 来做到这一点。现在我有这样的结果：

x <- data.frame(ID1=c(1,2, 3, 5, 10, 11, 12), ID2=c(2,5,4,11,11,18,18))

ID1 ID2
1   2
2   5
3   4
5   11
10  11
11  18
12  18

但我想将所有匹配 1,2,5,11,10,12,18 的 ID 组合在一起，所以我想给它们相同的 ID。

基本上我想要这样的输出：

Group   Key
1        1
1        2
1        5
1       11
1       10
1       12
1       18
3        3
3        4

Answer 1

下面的代码给出了我正在寻找的输出：

x

Answer 2

我以前遇到过这个问题，我想知道 R 中是否有快速的解决方案。如果您试图找到将行组合在一起的间隔，可以使用data.table::foverlaps 来做到这一点（请参阅Is it possible to use the R data.table function foverlaps to find the intersection of overlapping ranges in two tables?） ，但是我不熟悉将集合（而不是数字间隔）分组在一起。这是一个解决方案，但它可能不是最快的方法。

    x <- data.frame(ID1=c(1,2, 3, 5, 10, 11, 12), ID2=c(2,5,4,11,11,18,18))


sets <- list()
for(i in 1:nrow(x)){
  temp <- unique(unlist(x[i,]))
  if(length(sets)==0){
    sets[[1]] <- temp
  }else{
    in_sets <- sapply(sets, function(s)any(temp%in%s))  
    if(sum(in_sets)==0){
      sets[[length(sets)+1]] <- temp
    }
    if(sum(in_sets)==1){
      sets[[which(in_sets)]] <- union(sets[[which(in_sets)]],temp)
    }

    if(sum(in_sets)>1){
      sets[[which.min(in_sets)]] <-  union(unlist(sets[in_sets]),temp)
      sets[which(in_sets)[-1] ] <-  NULL
    }

  }

}

do.call("rbind",mapply(sets,1:length(sets),SIMPLIFY=FALSE,FUN=function(x,n){
  data.frame(Group=n,Key=x)
}))