数据集中所有可能的组合与在 R 中按顺序排列的嵌套组

Question

我早些时候发布了这个问题，但在几次 cmet 之后，我意识到需要更好地解释 df 和 result。此外，我意识到可以使用简化的数据结构来实现我的目标。

我需要找到特定序列中的所有值组合。

在示例df 中，您可以看到嵌套的分组结构，GROUP 嵌套在SAMPLE 和SITE 中。我的实际数据集在 30 个 SITE 中有 ~1000 个 SAMPLE。请注意，每个GROUP 都按顺序排列（1 到 3），并且该序列需要保留在最终结果中，因为这是未来分析的关键部分。换句话说，不需要将GROUP 2 或3 放在GROUP 1 之前的组合。

每个GROUP 中的ASSIGN_1、ASSIGN_2 和ASSIGN_3 列中有2 或3 个文本或数值。比如F1有3组，每组有2种可能：GROUP1有4个，unk_palmer_trib； GROUP2 有 6.1 和 5.2； 'GROUP' 3 有 10.1 和 6.1。可以看到SAMPLEB2也有三组，GROUP1和3有两种可能，GROUP2有三种可能。

所以……我需要找到ASSIGN 列中所有可能的值组合，同时保留GROUP 的序列。请注意，result 中的OPTION 列是来自df 中ASSIGN 列的值的各种组合，您会注意到这些组合保留了GROUP 序列（即1 到3）。另请注意，result 中包含数据（即没有“NAs”）的OPTION 列的数量对应于保留GROUP 序列的ASSIGN 列的所有可能组合。 SAMPLE F1 有 3 组，每组有 2 种可能性，因此有 8 种可能的结果（即 2 x 2 x 2；参见OPTION 第 1 到 8 列）。 SAMPLE B2 有 3 组（2 组有两种可能性，1 组有三种可能性），因此有 12 种可能的结果（即 2 x 3 x 2；参见OPTION 第 1 到 12 列）。

要真正强调这一点，让我们看一下df 和result 中的SAMPLE F1，以说明如何构建这些组合。 F1 的OPTION_1 只是来自df 的ASSIGN_1 列。 OPTION_2 是 ASSIGN_1 的第 1 行（即 GROUP_1 = 4），然后是 ASSIGN_2 的第 2 行和第 3 行（即 GROUP_2 = 5.2 和 GROUP_3 = 6.1）。 ‘OPTION_3’是来自ASSIGN_1的第1行（即GROUP_1 = 4），来自ASSIGN_2的第2行（即GROUP_2 = 5.2）和来自ASSIGN_1的第3行（即GROUP_3 = 10.1）。在恶心处重复……

在我的实际数据集中，一些GROUP 最多可以有5 个ASSIGN 列……所以对于一些SAMPLE，可能的组合数量可能很大。

我尝试在ave() 中使用expand.grid()，但无法使代码正常工作。我对所有解决方案持开放态度，但更喜欢base package 解决方案，因为我想避免加载包。我还怀疑df 可能需要以某种方式进行重组……只要GROUP 序列保留在最终产品中就可以了。

如果我需要澄清，请告诉我。

提前感谢您的帮助。

df <- read.table(text = "SITE   SAMPLE  GROUP   ASSIGN_1    ASSIGN_2    ASSIGN_3
A1  F1  1   4   unk_palmer_trib NA
A1  F1  2   6.1 5.2 NA
A1  F1  3   10.1    6.1 NA
M15 B2  1   6.2 6.4 NA
M15 B2  2   10.1    6.1 5.2
M15 B2  3   10.1    6.1 NA
", header = TRUE)

result <- read.table(text = "SITE   SAMPLE  GROUP   OPTION_1    OPTION_2    OPTION_3    OPTION_4    OPTION_5    OPTION_6    OPTION_7    OPTION_8    OPTION_9    OPTION_10   OPTION_11   OPTION_12
A1  F1  1   4   4   4   4   unk_palmer_trib unk_palmer_trib unk_palmer_trib unk_palmer_trib NA  NA  NA  NA
A1  F1  2   6.1 5.2 5.2 6.1 6.1 5.2 5.2 6.1 NA  NA  NA  NA
A1  F1  3   10.1    6.1 10.1    6.1 10.1    6.1 10.1    6.1 NA  NA  NA  NA
M15 B2  1   6.2 6.2 6.2 6.2 6.2 6.2 6.4 6.4 6.4 6.4 6.4 6.4
M15 B2  2   10.1    6.1 10.1    6.1 5.2 5.2 10.1    6.1 10.1    6.1 5.2 5.2
M15 B2  3   10.1    6.1 6.1 10.1    10.1    6.1 10.1    6.1 6.1 10.1    10.1    6.1
", header = TRUE)

Answer 1

这是一个刺:-)

func <- function(x, keep = integer(0)) {
  if (length(keep)) {
    saved <- x[,keep,drop=FALSE]
    x <- x[,-keep]
  } else {
    saved <- x[,0] # empty column
  }
  out <- t(do.call(expand.grid, asplit(t(x), 2)))
  out <- as.data.frame(out[, colSums(is.na(out)) == 0])
  colnames(out) <- paste0("OPTION_", seq_along(out))
  cbind(saved, out)
}

keep= 参数是需要在组合中保留和不扩展的字段的整数向量。

演示：

LOF <- Filter(length, by(df, df[,c("SITE","SAMPLE")], FUN = func, keep = 1:3))
allnames <- unique(unlist(lapply(LOF, colnames)))
LOF <- lapply(LOF, function(z) { z[setdiff(allnames, colnames(z))] <- NA; z; })
do.call(rbind, LOF)
#   SITE SAMPLE GROUP OPTION_1        OPTION_2 OPTION_3        OPTION_4 OPTION_5        OPTION_6 OPTION_7        OPTION_8 OPTION_9 OPTION_10 OPTION_11 OPTION_12
# 4  M15     B2     1      6.2             6.4      6.2             6.4      6.2             6.4      6.2             6.4      6.2       6.4       6.2       6.4
# 5  M15     B2     2     10.1            10.1      6.1             6.1      5.2             5.2     10.1            10.1      6.1       6.1       5.2       5.2
# 6  M15     B2     3     10.1            10.1     10.1            10.1     10.1            10.1      6.1             6.1      6.1       6.1       6.1       6.1
# 1   A1     F1     1      4.0 unk_palmer_trib      4.0 unk_palmer_trib      4.0 unk_palmer_trib      4.0 unk_palmer_trib     <NA>      <NA>      <NA>      <NA>
# 2   A1     F1     2      6.1             6.1      5.2             5.2      6.1             6.1      5.2             5.2     <NA>      <NA>      <NA>      <NA>
# 3   A1     F1     3     10.1            10.1     10.1            10.1      6.1             6.1      6.1             6.1     <NA>      <NA>      <NA>      <NA>

如果您已经在使用data.table，那么这可以简化为第一个加上第二个或第三个：

LOF <- Filter(length, by(df, df[,c("SITE","SAMPLE")], FUN = func, keep = 1:3))
data.table::rbindlist(LOF, fill = TRUE, use.names = TRUE)
dplyr::bind_rows(LOF)