如何在R中找到满足多个条件的值的交集？ [关闭]

Question

假设我有以下数据框：

df <- data.frame(year=c(2010,2011,2012,2010,2011,2010,2011,2012), company = c("a","a","a","b","b","c","c","c"))

  year company
1 2010       a
2 2011       a
3 2012       a
4 2010       b
5 2011       b
6 2010       c
7 2011       c
8 2012       c

我想查找所有三年中都存在的公司。一种麻烦的方法是：

library(dplyr)

companies_2010 <- df %>% filter(year==2010) %>% select(company)
companies_2011 <- df %>% filter(year==2011) %>% select(company)
companies_2012 <- df %>% filter(year==2012) %>% select(company)

companies <- intersect(companies_2010, companies_2011) %>% intersect(., companies_2012)

  company
1       a
2       c

有没有更优雅的方法来做到这一点？

Answer 1

由于年份不同且在所需的集合中，我们只需计算每家公司有多少。 （如果这不是真的，一般来说，然后将下面的解决方案应用于df2 <- unique(merge(df, data.frame(year = 2010:2012))) 代替 df。此外，如果我们不知道值 3 并且我们希望它等于数据中唯一年份的数量，那么我们可以使用length(unique(df$year)) 计算它。

现在，使用这个想法有几个选择。我们可以使用 table 来获取它们的频率，然后保留频率为 3 的那些，或者在最后一种情况下，我们可以使用 dplyr 的计数，然后过滤以获取计数为 3 的那些。

tab <- table(df$company)
names(tab)[tab == 3]
## [1] "a" "c"

names(Filter(function(x) x == 3, table(df$company)))
## [1] "a" "c"

library(dplyr)   
df %>%
  count(company) %>%
  filter(n == 3) %>%
  select(company)
##   company
## 1       a
## 2       c

利用问题按年拆分公司的相交思想，然后用Reduce反复申请相交：

 with(df, Reduce(intersect, split(company, year)))
 ## [1] "a" "c"

我们可以使用这样的表格来可视化这一点。任何没有零值的列都对应于拥有所有年份的公司。

table(df)
##       company
## year   a b c
##   2010 1 1 1
##   2011 1 1 1
##   2012 1 0 1

或者是一个有绿色没有红色的热图。任何完全为绿色的列都有所有年份。

heatmap(table(df), Rowv = NA, Colv = NA, col = 2:3, scale = "none")

Answer 2

这是带有ave 和unique 的基本R 解决方案。

n <- with(df, ave(year, company, FUN = length))
unique(df$company[n == 3])
#[1] "a" "c"

Answer 3

既然你已经收到了一些很好的答案，我想一个非常不同的方法加上一点想象力也可以。

我将您的问题设置为一个二分图，其中我们有 2 组不同的节点，其中一个是公司名称，另一个是年份，而公司之间以及年份之间没有联系。

library(igraph)

# Creating a graph object but first I alternate the columns of your data set
df[, c(2, 1)] |>
  graph_from_data_frame() -> g

# Then we create a type object to distinguish between 2 sets of nodes, Type FALSE
# refers to company name and type TRUE refers to years
V(g)$type <- bipartite.mapping(g)$type

# Then we extract those nodes whose degree are equal to 3 while they are of type FALSE
V(g)[degree(g, V(g)) == length(unique(df$year)) & V(g)$type == FALSE]
+ 2/6 vertices, named, from c172916:
[1] a c

如果您想查看图表的外观：

plot(g,
     vertex.color = ifelse(V(g)$type, "lightblue", "salmon"),
     vertex.shape = ifelse(V(g)$type, "circle", "square"),
     vertex.size = 25,
     edge.color = "grey",
     layout = layout.bipartite)

Answer 4

这一般不能用于计算任意交叉点，但是 (¿ 我认为 ?) 可以按照您在上面指定的方式工作：

(df 
   %>% group_by(company)
   %>% filter(all(2010:2012 %in% year))
   %>% select(company)
   %>% distinct()
)

Answer 5

解释给出的答案，这通常会起作用：

df %>%
  mutate(rn = list(seq(min(year), max(year))))%>%
  group_by(company) %>%
  summarise(rn = all(unlist(rn) %in% year)) %>%
  filter(rn) %>%
  select(company)

# A tibble: 2 x 1
  company
  <chr>  
1 a      
2 c  

Answer 6

只是嵌套和减少：

df <- data.frame(year=c(2010,2011,2012,2010,2011,2010,2011,2012), company = c("a","a","a","b","b","c","c","c"))
df %>% 
    tidyr::nest(data = -year) %>% 
    magrittr::use_series(data) %>% 
    purrr::reduce(dplyr::intersect)
# A tibble: 2 x 1
  company
  <chr>  
1 a      
2 c 

或拆分映射减少：

split.data.frame(df, df$year) %>% 
    purrr::map(magrittr::use_series, company) %>% 
    purrr::reduce(dplyr::intersect)
[1] "a" "c"

Answer 7

另一个igraph 解决方案

> g <- graph_from_data_frame(df)

> names(which(degree(g, V(g)[names(V(g)) %in% df$company]) == length(unique(df$year))))
[1] "a" "c"