根据所有可能的组合重新组织数据集

Question

假设我有一个包含三个人A、B和C的数据，他们每个人都有两个特征，“学年”（YS）和“兄弟姐妹数量”（@ 987654325@)。因此，数据集X 如下所示：

id <- c("A", "B", "C")
YS <- c(6, 9, 8)
NS <-c(1, 0, 3)
X <- data.frame(id, YS, NS)

现在我必须根据A、B 和C 的所有可能组合重新组织数据集，这意味着将有 2^3-1 个组合。更准确地说，这些组合是：A、B、C、AB、AC、BC、ABC 和 null 组合（即 2^3-1 组合)。除了组合个体之外，我还必须计算每个组合的每个特征的值。例如，AB 组合的 YS 和 NS 的值为 15 和 1。再例如，ABC 组合的YS 和 NS 的值为 23 和 4。 /p>

我有点理解使用代码expand.grid 来生成可能的组合，但我不知道如何同时组合特征的值。任何人都可以帮忙吗？谢谢。

Answer 1

这是combn 的另一个选项

all_combn <- function(x, ...)
    unlist(sapply(seq_along(x), combn, x=x, ...))

data.frame(
   id=all_combn(id, paste, collapse=''),
   YS=all_combn(YS, sum),
   NS=all_combn(NS, sum)
)

#    id YS NS
# 1   A  6  1
# 2   B  9  0
# 3   C  8  3
# 4  AB 15  1
# 5  AC 14  4
# 6  BC 17  3
# 7 ABC 23  4

Answer 2

不是很漂亮，也不是像 R 一样，但它确实有效。它包括根据问题设置的 NULL。

# function to create the combinations and sum the elements
reorgCombs <- function(data) {
    ids <- rownames(data)
    newdata <- data.frame(comb = c("NULL", id), YS = c(0, data[, "YS"]), 
                          NS = c(0, data[, "NS"]), row.names = NULL)
    for (i in 2:nrow(data)) {
        theseCombs <- t(combn(ids, i))
        newdata <- rbind(newdata, 
                         data.frame(comb = apply(theseCombs, 1, paste0, collapse=""),
                                    YS = apply(theseCombs, 1, function(x) sum(data[x, "YS"])),
                                    NS = apply(theseCombs, 1, function(x) sum(data[x, "NS"]))))
    }
    newdata
}

# make this a numeric matrix with named dimensions
# the names will be used for lookup
X2 <- cbind(YS, NS)
rownames(X2) <- id

reorgCombs(X)
##   comb YS NS
## 1 NULL  0  0
## 1    A  6  1
## 2    B  9  0
## 3    C  8  3
## 4   AB 15  1
## 5   AC 14  4
## 6   BC 17  3
## 7  ABC 23  4

使用新基准进行编辑：

也许是因为查找表的原因，尽管循环它相对较快——但被 Matthew 的解决方案所吸引：

## Unit: relative
##    expr      min       lq     mean   median       uq       max neval
##    jota  4.479829  4.408874  4.304705  4.455843  4.335172  3.730202   100
##  pierre 11.606636 11.623717 12.743089 12.078027 11.761123 19.271072   100
##     ken  3.034247  3.015091  2.978181  3.040916  2.914744  2.755357   100
## matthew  1.000000  1.000000  1.000000  1.000000  1.000000  1.000000   100
##   frank  4.572867  4.615341  4.590244  4.719418  4.516317  3.978101   100

Answer 3

这是在基础 R 中执行此操作的一种方法。首先，识别组合：

n = nrow(X)
combos = do.call(rbind, lapply(seq(n), function(x){
  r = combn(n, x)
  data.frame( r = c(r), g = paste(x, c(col(r)), sep=".") )
}))

然后，为每个组合选择 X 行：

Xc    = X[combos$r,]
Xc$id = as.character(Xc$id)
Xc$g  = ave(Xc$id, combos$g, FUN = function(x) paste0(x,collapse=''))

最后，为每个组合聚合：

aggregate(cbind(YS,NS)~g, Xc, sum)

#     g YS NS
# 1   A  6  1
# 2  AB 15  1
# 3 ABC 23  4
# 4  AC 14  4
# 5   B  9  0
# 6  BC 17  3
# 7   C  8  3

这样你就错过了空集，但如果需要，rbind 很容易。

Answer 4

看起来很多，但我碰巧使用splitstackshape 获得另一个答案，并在这里看到了应用的可能性。第一个电话是lst1 <- do.call(c, "all combinations")。正如您提到的所有可能性，这将创建列表。如果您愿意，您可以稍后添加像 NULL 这样的边缘案例。我们从lst1 创建一个数据框来组织信息。函数 cSplit 将 df 重塑为 long。我们合并以添加数字值。最后，使用dplyr，我们按我们创建的索引列分组，将任何因子输入integer，然后求和：

library(dplyr)
library(splitstackshape)

lst1 <- do.call(c, lapply(1:3, function(i) combn(id, i, simplify=F)))
df <- data.frame(indx=seq_along(lst1), combs=sapply(lst1, toString))
df.long <- cSplit(df, 'combs', direction="long")

m <- merge(X, df.long, by.x='id', by.y='combs')
m %>% group_by(indx) %>%
  mutate_each(funs(as.integer(as.character(.))), -id) %>%
  summarise(id=toString(id), YS=sum(YS), NS=sum(NS))
# Source: local data frame [7 x 4]
# 
#    indx      id    YS    NS
#   (int)   (chr) (int) (int)
# 1     1       A     6     1
# 2     2       B     9     0
# 3     3       C     8     3
# 4     4    A, B    15     1
# 5     5    A, C    14     4
# 6     6    B, C    17     3
# 7     7 A, B, C    23     4