Se fullfiles due regole memorizzare i nomi nel vettore

Inizia con i dati:Se fullfiles due regole memorizzare i nomi nel vettore

> dput(Data1) 
structure(list(X1 = structure(c(17L, 14L, 20L, 16L, 1L, 2L, 3L, 
4L, 15L, 8L, 9L, 10L, 11L, 12L, 13L, 21L, 22L, 23L, 18L, 19L, 
5L, 6L, 7L), .Label = c("Astra_1", "Astra_2", "Astra_3", "Astra_4", 
"Audi_1", "Audi_2", "Audi_3", "BMW_1", "BMW_2", "BMW_3", "BMW_4", 
"BMW_5", "Fiat_1", "Mazda_2", "Mercedes_1", "Nexia_1", "Porsche_1", 
"Scania_1", "Scania_2", "Tico_1", "VW_1", "VW_2", "VW_3"), class = "factor"), 
    X2 = structure(c(2L, 3L, 10L, 7L, 8L, 12L, 9L, 14L, 11L, 
    4L, 5L, 6L, 15L, 13L, 4L, 5L, 9L, 14L, 11L, 1L, 3L, 10L, 
    16L), .Label = c("Astra_1", "Astra_3", "Astra_4", "Audi_1", 
    "Audi_2", "Audi_3", "BMW_1", "BMW_2", "Mazda_2", "Mercedes_1", 
    "Nexia_1", "Porsche_1", "Scania_2", "Tico_1", "VW_2", "VW_3" 
    ), class = "factor"), AUC_1 = c(5860133.702, 1296009.939, 
    333123.4932, 250348.9407, 1376193.334, 4080502.863, 3777603.233, 
    3503973.487, 99101538.62, 231873.8462, 87258.75465, 147430.9913, 
    1028986.892, 1451482.832, 8136.72382, 25311.41683, 131352.7137, 
    565410.8186, 30196.23792, 70184.82268, 2526321.019, 381643.2138, 
    819687.9824), AUC_2 = c(4849720.322, 928980.4715, 320547.6185, 
    223287.2029, 1340641.323, 4720329.699, 4369150.434, 3371021.243, 
    108591253.3, 266489.7601, 85384.84604, 165726.7626, 1052130.559, 
    1470876.65, 9499.927679, 49309.74984, 138482.765, 444600.7911, 
    25132.73714, 55453.67019, 2038911.81, 422559.3293, 1445477.433 
    ), ratio = c(1.20834467, 1.395088463, 1.03923247, 1.121196994, 
    1.02651866, 0.864452935, 0.864608186, 1.039439753, 0.91261069, 
    0.87010415, 1.021946618, 0.889602795, 0.978003046, 0.98681479, 
    0.856503765, 0.513314647, 0.948513078, 1.271726974, 1.201470327, 
    1.265647926, 1.2390536, 0.90317072, 0.567070757), Country = structure(c(1L, 
    1L, 2L, 3L, 5L, 1L, 5L, 1L, 4L, 7L, 4L, 7L, 7L, 7L, 6L, 6L, 
    6L, 6L, 8L, 8L, 6L, 6L, 7L), .Label = c("France", "Germany", 
    "Italy", "Norway", "Poland", "Spain", "Sweden", "Ukraine" 
    ), class = "factor"), Comp = structure(c(3L, 5L, 16L, 9L, 
    8L, 9L, 12L, 14L, 4L, 15L, 11L, 14L, 16L, 17L, 10L, 10L, 
    12L, 13L, 1L, 2L, 5L, 6L, 7L), .Label = c("11,12", "12,13", 
    "12,13,14", "14,15", "14,15,16", "15,16,17", "16,17,18", 
    "2,3", "2,3,4", "3,4", "3,4,5", "4,5,6", "5,6", "5,6,7", 
    "5,6,7,8", "6,7,8", "7,8,9"), class = "factor")), .Names = c("X1", 
"X2", "AUC_1", "AUC_2", "ratio", "Country", "Comp"), class = "data.frame", row.names = c(NA, 
-23L))

Responsabile dei dati assomigliano che:

  X1   X2  AUC_1  AUC_2  ratio Country  Comp 
1 Porsche_1 Astra_3 5860133.7 4849720.3 1.2083447 France 12,13,14 
2 Mazda_2 Astra_4 1296009.9 928980.5 1.3950885 France 14,15,16 
3 Tico_1 Mercedes_1 333123.5 320547.6 1.0392325 Germany 6,7,8 
4 Nexia_1  BMW_1 250348.9 223287.2 1.1211970 Italy 2,3,4 
5 Astra_1  BMW_2 1376193.3 1340641.3 1.0265187 Poland  2,3 
6 Astra_2 Porsche_1 4080502.9 4720329.7 0.8644529 France 2,3,4

Ora stiamo andando a concentrarsi su due ultime colonne : Country e Comp. Vorrei estrarre tutte le righe che contengono lo stesso paese e confrontare se uno qualsiasi dei numeri nella colonna Comp è lo stesso le stringhe da X1 e X2 devono essere memorizzate insieme - possibilmente nei vettori separati o nella matrice. È possibile che una riga appartenga a diversi "cluster"/"vettori".

Esempio di uscita desiderata. Questo è solo un esempio e il clustering è completamente casuale. Qualsiasi metodo per la visualizzazione dell'output è accettabile.

Country   1  2  3   4  5  6 
1 France Astra_3 Scania_2 Tico_1  NA  NA  NA 
2 Poland Astra_4 Mazda_2 VW_3  Tico_2  NA  NA 
3 Sweden Mercedes_1 BMW_1 BMW_2  Audi_1 VW_3  NA 
4 Norway  BMW_1 Astra_1 Scania_2 Audi_3  NA  NA

fonte

2016-04-14 Shaxi Liver

Non capisco che cosa "confrontare se uno qualsiasi dei numeri nella colonna Comp è lo stesso le corde da X1 e X2 devono essere conservati insieme" mezzo e non possono capirlo, sulla base di output desiderato. – lmo

Non guardare l'output desiderato perché è solo una selezione casuale per mostrare come potrebbe apparire l'outlook. Ad esempio, prendi una Francia. La prima e la seconda riga devono essere memorizzate insieme perché condividono il numero '14' nella colonna' Comp', ma la sesta riga contiene numeri completamente diversi, quindi non può essere insieme alle prime due righe. –

Vorrei usare 'tidyr' per rendere ordinata la colonna' Comp'. – jsta

Suppongo che ciò che si vuole è: trovare tutte le righe con un determinato paese, dire la Spagna. Quindi all'interno di queste righe, prendi tutte le righe in cui si verifica un certo numero nella colonna Comp, ad es. 4. In queste righe estrarre il contenuto delle colonne X1 e X2 e metterle insieme.

Forse questo codice è quello che volete:

countries <- levels(data[,"Country"]) 
results <- list() 
cn <- 1 
for (i in 1:length(countries)) 
{ 
    # find all row numbers with that country: 
    idx <- which(data[,"Country"] == countries[i]) 
    # get all numbers which occur for that country: 
    numbers <- unique(as.numeric(unlist(strsplit(as.character(data[idx,"Comp"]), ",")))) 
    for (j in 1:length(numbers)) 
    { 
    # split all the numbers in the column "Comp" by ",": 
    CompList <- strsplit(as.character(data[idx,"Comp"]), ",") 
    # get all the row numbers for that country where numbers[j] is contained in the column "Comp": 
    rows <- idx[unlist(lapply(CompList, function(x) {any(x == as.character(numbers[j]))}))] 

    # assuming you want a number in the column "Comp" to occur at least in two rows: 
    if (length(rows) > 1) 
    { 
     results[[cn]] <- list("Country"= countries[i], 
     "Cars"= as.vector(as.matrix(data[rows, c("X1", "X2")])), 
     "ValueOfComp"=numbers[j]) 
     cn <- cn + 1 
    } 
    } 
}

Questo ti dà qualcosa di simile:

> results 
[[1]] 
[[1]]$Country 
[1] "France" 

[[1]]$Cars 
[1] "Porsche_1" "Mazda_2" "Astra_3" "Astra_4" 

[[1]]$ValueOfComp 
[1] 14 


[[2]] 
[[2]]$Country 
[1] "Spain" 

[[2]]$Cars 
[1] "Fiat_1" "VW_1" "Audi_1" "Audi_2" 

[[2]]$ValueOfComp 
[1] 3

fonte

2016-04-18 20:32:30 Queak

Supponendo dat è i dati.

library(data.table) 
library(stringr) 

setDT(dat) 

dat[, `:=`(X1 = as.character(X1), X2 = as.character(X2), 
      Comp = str_split(as.character(Comp), ","))] 

dat[, lapply(.SD, unlist), by = 1:nrow(dat) 
    ][, .(X = paste(sort(unique(c(X1, X2))), collapse = ",")), by = .(Country, Comp) 
     ][, .(SharedComp = paste(Comp, collapse = ",")), by = .(Country, X)] -> result 

head(result) 

    Country         X SharedComp 
1: France     Astra_3,Porsche_1  12,13 
2: France Astra_3,Astra_4,Mazda_2,Porsche_1   14 
3: France     Astra_4,Mazda_2  15,16 
4: Germany     Mercedes_1,Tico_1  6,7,8 
5: Italy      BMW_1,Nexia_1  2,3,4 
6: Poland      Astra_1,BMW_2  2,3

Se si desidera che l'output assomigli più alla tua domanda, è necessario eseguire un rimodellamento.

dcast(result[, .(Country, SharedComp, X = str_split(X, ",")) 
      ][, lapply(.SD, unlist), by = 1:nrow(result) 
       ][, i := seq_len(.N), by = nrow], 
     nrow + Country ~ i, value.var = "X") 

    nrow Country   1   2  3   4  5  6  7 8 
1: 1 France Astra_3 Porsche_1  NA   NA  NA NA  NA NA 
2: 2 France Astra_3 Astra_4 Mazda_2 Porsche_1  NA NA  NA NA 
3: 3 France Astra_4 Mazda_2  NA   NA  NA NA  NA NA 
4: 4 Germany Mercedes_1  Tico_1  NA   NA  NA NA  NA NA 
5: 5 Italy  BMW_1 Nexia_1  NA   NA  NA NA  NA NA 
6: 6 Poland Astra_1  BMW_2  NA   NA  NA NA  NA NA 
--- 
11: 11 Sweden  Audi_1  Audi_3 BMW_1  BMW_3  NA NA  NA NA 
12: 12 Sweden  Audi_1  Audi_3 BMW_1  BMW_3 BMW_4 VW_2  NA NA 
13: 13 Sweden  Audi_1  Audi_3 BMW_1  BMW_3 BMW_4 BMW_5 Scania_2 VW_2 
--- 
25: 25 Spain  Audi_2 Mercedes_1  NA   NA  NA NA  NA NA 
26: 26 Sweden  Audi_3  VW_3  NA   NA  NA NA  NA NA 
    nrow Country   1   2  3   4  5  6  7 8

fonte

2016-04-19 10:44:40 inscaven

Se fullfiles due regole memorizzare i nomi nel vettore

risposta

Problemi correlati