比较 R 中不同和不相等的列表以找到最相似的候选者答案

【问题标题】：Comparing different and unequal lists in R to find the most similar candidates比较 R 中不同和不相等的列表以找到最相似的候选者
【发布时间】：2021-08-16 05:57:47
【问题描述】：

我正在尝试在 R 中进行一些基本的关键字匹配，但由于列表不同且不相等，我无法完全弄清楚。想象一下，我有五种不同鸟类（鸟类）的描述，以及四个具有这些描述子集的标本（标本）。

birds <- list(
  bird_1 = c("scolopacidae", "wet", "omnivore", "large", "siberia"),
  bird_2 = c("woodland", "scolopacidae", "medium", "siberia", "omnivore"),
  bird_3 = c("wet", "charadriidae", "insectivore", "medium", "tasmania"),
  bird_4 = c("siberia", "apodidae", "insectivore", "arial", "medium"),
  bird_5 = c("meropidae", "wet forest", "omnivore", "small", "australia")
)

specimens <- list(
  specimen_1 = c("nectarivore", "scolopacidae", "alaska"),
  specimen_2 = c("alaska", "scolopacidae", "woodland", "omnivore"),
  specimen_3 = c("china", "sylviidae", "south australia"),
  specimen_4 = c("wet forest", "small", "tasmania", "insectivore", "charadriidae")
)

我正在尝试将每个标本与每只鸟进行比较，并计算它们共享的描述符数量。

最终，对于每个标本，我想返回它匹配的可能鸟类的排名顺序，从最对应的描述符到最少。例如：标本_4 = 小鸟_3、小鸟_5、小鸟_4、小鸟_1、小鸟_2

谁能指出我正确的方向？非常感谢您的帮助。

【问题讨论】：

标签： r list keyword similarity

【解决方案1】：

你可以求助outer -

calculate <- function(x, y) sum(x %in% y)
outer(birds, specimens, Vectorize(calculate))

#       specimen_1 specimen_2 specimen_3 specimen_4
#bird_1          1          2          0          0
#bird_2          1          3          0          0
#bird_3          0          0          0          3
#bird_4          0          0          0          1
#bird_5          0          1          0          2

【讨论】：

【解决方案2】：

这是解决问题的一种可能方法：

out = sapply(specimens, function(s) sapply(birds, function(b) length(intersect(s, b))))

#        specimen_1 specimen_2 specimen_3 specimen_4
# bird_1          1          2          0          0
# bird_2          1          3          0          0
# bird_3          0          0          0          3
# bird_4          0          0          0          1
# bird_5          0          1          0          2


ranks <- sapply(colnames(out), function(s) names(sort(out[,s], TRUE)))

#    specimen_1 specimen_2 specimen_3 specimen_4
# [1,]  "bird_1"   "bird_2"   "bird_1"   "bird_3"  
# [2,]  "bird_2"   "bird_1"   "bird_2"   "bird_5"  
# [3,]  "bird_3"   "bird_5"   "bird_3"   "bird_4"  
# [4,]  "bird_4"   "bird_3"   "bird_4"   "bird_1"  
# [5,]  "bird_5"   "bird_4"   "bird_5"   "bird_2"

【讨论】：