为子集因子的每个级别创建一个包含重复字符的新数据框

Question

我在名为“interact”的列中有一个物种 i 和 j（例如 A_B）之间共享交互的数据框 (df)。交互是从对应的绘图和交互采样的区域记录的。我想在一个区域内的地块之间找到所有 SHARED 交互。因此，对于每个区域子集，输出应返回该区域内地块之间发生的重复交互。数据如下：

df<-

region     plot    interact
 1          104      A_B  
 1          105      B_C
 1          106      A_B
 1          107      C_D
 2          108      B_C
 2          109      B_C
 2          110      E_F
 2          111      B_C
 3          112      A_B
 3          113      A_B

我希望输出是一个数据框，只显示一个区域内的地块之间的共享交互。每个区域的唯一交互将被删除。所以上面例子的输出显示为：

output

 region    interact
  1          A_B
  2          B_C
  3          A_B

我尝试了一个 for 循环

region<-NA
shared.interact<- NA

for (i in 1:length(unique(df$region)) {
region[i] <- unique(df$region)          
shared.interact[i]<- duplicated(df$interact)
}


data.frame(region, shared.interaction)

Answer 1

这是一个使用拆分-应用-组合方法的基本 R 方法。

do.call(rbind, lapply(split(df[c("region", "interact")], df$region),
                      function(x) unique(x[duplicated(x$interact),])))
  region interact
1      1      A_B
2      2      B_C
3      3      A_B

在区域上拆分子集 data.frame，然后应用一个函数，该函数返回一个 data.frame，其中包含对这些区域中的每个区域都有重复的唯一观察集。最后，rbind这些和do.call。

---

在data.table 这将是

library(data.table)
setDT(df)[, unique(interact[duplicated(interact)]), by=region]
   region  V1
1:      1 A_B
2:      2 B_C
3:      3 A_B

数据

df <-
structure(list(region = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 
3L), plot = 104:113, interact = structure(c(1L, 2L, 1L, 3L, 2L, 
2L, 4L, 2L, 1L, 1L), .Label = c("A_B", "B_C", "C_D", "E_F"), class = "factor")), .Names = c("region", 
"plot", "interact"), class = "data.frame", row.names = c(NA, 
-10L))

Answer 2

使用dyplr 你可以这样做：

library(dplyr)

df %>% 
  group_by(region) %>% 
  count(interact) %>% 
  filter(n > 1)
#> # A tibble: 3 x 3
#> # Groups:   region [3]
#>   region interact     n
#>    <int>    <chr> <int>
#> 1      1      A_B     2
#> 2      2      B_C     3
#> 3      3      A_B     2

您按region 分组，计算值在interact 中出现的频率，并保留出现多次的值。您可以通过在管道末尾添加 %>% select(-n) 来删除新列。

Answer 3

library(data.table)


df<-read.table(header=TRUE,text={"
region     plot    interacti
1          104      A_B  
1          105      B_C
1          106      A_B
1          107      C_D
2          108      B_C
2          109      B_C
2          110      E_F
2          111      B_C
3          112      A_B
3          113      A_B"})

dt <- data.table(dt)

按region和interacti对数据进行排序

setkey(dt,region,interacti)

仅使用所需的列。搜索重复项，最后搜索unique。

unique(dt[,.(region,interacti)][duplicated(region)&duplicated(interacti),])

#    region interacti
# 1:      1       A_B
# 2:      2       B_C
# 3:      3       A_B