将列表中的常见值与不相等的子列表元素进行比较

Question

我有一个这样的小标题：

library(tidyverse)

df <- tibble(
    id = 1:3,
    names = c("George G|Nick N", "Nick N|Andrian A", "Era E")

)

names 列的名称长度不等。

我想提取这些名称并比较是否有任何常用名称。

提取：

df_names <- (lapply(df$names, function(x) {strsplit(x, split="|", fixed = TRUE)}))

现在，我不确定如何进行比较。

我尝试了类似的方法：

maxlength <- max(sapply(df_names, length))
lapply(seq(maxlength),function(i) Reduce(intersect, lapply(df_names,"[[",i)))

但返回一个空字符列表。

我的意思是通用名称，我们可以看到df_names[[1]] 和df_names[[2]] 具有通用名称Nick N。

然后，例如，我可以按 id 分组并绘制 id 与常用名称，以查看哪些 id 具有常用名称。

示例图：

Answer 1

您可以构造一个矩阵，其中的单元格显示 id 之间存在通用名称。

例如：

library(proxy)
df <- df %>% mutate(sep_names = strsplit(names, split="|", fixed = TRUE))

res <- proxy::dist(df$sep_names, method = function(x, y) any(x %in% y))

# Convert to matrix and assign ids
res <- as.matrix(res)
colnames(res) <- df$id
rownames(res) <- df$id

# > res == 1
#       1     2     3
# 1 FALSE  TRUE FALSE
# 2  TRUE FALSE FALSE
# 3 FALSE FALSE FALSE

至于绘图，你可以从这里开始：

library(reshape2)
ggplot(melt(res == 1), aes(Var1,Var2, fill=value)) +
    geom_raster() +
    scale_fill_discrete() +
    xlab("id") + ylab("id")