在数据框中只保留“必要和充分的特征”答案

【问题标题】：Keeping only the "Necessary and Sufficient features" in a Dataframe在数据框中只保留“必要和充分的特征”
【发布时间】：2020-10-20 22:59:04
【问题描述】：

我有一个由 2 列组成的数据框，如下所示（例如）：

COLUMN-1 COLUMN-2
feature1 feature5
feature2 feature6
feature3 feature7
feature4 feature8

在此数据框中，同一行上的特征相互关联。（例如功能 1 和 5）
因此，使用其中一个，我可以计算另一个。

在这个数据框中，我需要保留最少数量的特征来计算所有特征。
因此，我需要找到关键特征。

示例 1：

INPUT:

COLUMN-1 COLUMN-2
feature1 feature4
feature2 feature5
feature3 feature6

DESIRED OUTPUT:
feature1
feature2
feature3

上面我可以计算特征 4,5,6。

示例 2：

INPUT:

COLUMN-1 COLUMN-2
feature1 feature3
feature1 feature4
feature2 feature6
feature3 feature6

DESIRED OUTPUT:
feature1

上面我可以只使用feature1来计算特征2、3、4、5、6。

我的数据框可以容纳数千行。
所以我需要一个优雅的解决方案。

提前致谢。

【问题讨论】：

将您的特征视为节点，将您的数据视为图中的边列表。每个连接的子图需要一行。 igraph 包可以提供帮助。（可能很复杂，它可能需要一个有向图，但 igraph 包仍然可以提供帮助。）
您基本上只需要保留第一列中的不同值吗？
@RicardoSemiãoeCastro 不！不是第一列。请参见示例 2。
我猜第二个示例中所需的输出应该是两列中的任何一个元素，例如，仅限feature1。
在下面查看我的尝试。希望对你有用

标签： r dataframe

【解决方案1】：

这是使用igraph 包的解决方案

memb <- clusters(graph_from_data_frame(df,directed = FALSE))$membership
res <- names(memb)[!duplicated(memb)]

示例

给定df <- df1，我们将得到

> res
[1] "feature1" "feature2" "feature3"

给定df <- df2，我们将得到

> res
[1] "feature1"

数据

> dput(df1)
structure(list(`COLUMN-1` = c("feature1", "feature2", "feature3"
), `COLUMN-2` = c("feature4", "feature5", "feature6")), class = "data.frame", row.names = c(NA,
-3L))

> dput(df2)
structure(list(`COLUMN-1` = c("feature1", "feature1", "feature2", 
"feature3"), `COLUMN-2` = c("feature3", "feature4", "feature6",
"feature6")), class = "data.frame", row.names = c(NA, -4L))

【讨论】：