Qui è un approccio data.table
(più o meno lo stesso di @ josilber c'è da plyr
):
pairs <- dat[, c(id=split(combn(id,2),1:2)), by=group ]
pairs[, .N, by=.(id.1,id.2) ]
# id.1 id.2 N
# 1: 10 11 2
# 2: 10 12 1
# 3: 11 12 1
# 4: 10 13 1
# 5: 11 13 2
Si potrebbe anche prendere in considerazione la visualizzazione dei risultati in un table
:
pairs[, table(id.1,id.2) ]
# id.2
# id.1 11 12 13
# 10 2 1 1
# 11 0 1 2
È possibile utilizzare fonde invece di combn
:
setkey(dat, group)
dat[ dat, allow.cartesian=TRUE ][ id<i.id, .N, by=.(id,i.id) ]
Benchmark. Per i dati di grandi dimensioni, le unioni possono essere un po 'più veloci (come ipotizzato da @DavidArenburg). @ Risposta di Arun è ancora più veloce:
DT <- data.table(g=1,id=1:(1.5e3),key="id")
system.time({a <- combn(DT$id,2)})
# user system elapsed
# 0.81 0.00 0.81
system.time({b <- DT[DT,allow.cartesian=TRUE][id<i.id]})
# user system elapsed
# 0.13 0.00 0.12
system.time({d <- DT[,.(rep(id,(.N-1L):0L),id[indices(.N-1L)])]})
# user system elapsed
# 0.01 0.00 0.02
(ho lasciato fuori il gruppo-by come io non credo che sarà importante per i tempi.)
In difesa della combn . L'approccio combn
si estende ben al combo più grandi, mentre si fonde e @ risposta di Arun, mentre molto più veloce per le coppie, non (per quanto posso vedere):
DT2 <- data.table(g=rep(1:2,each=5),id=1:5)
tuple_size <- 4
tuples <- DT2[, c(id=split(combn(id,tuple_size),1:tuple_size)), by=g ]
tuples[, .N, by=setdiff(names(tuples),"g")]
# id.1 id.2 id.3 id.4 N
# 1: 1 2 3 4 2
# 2: 1 2 3 5 2
# 3: 1 2 4 5 2
# 4: 1 3 4 5 2
# 5: 2 3 4 5 2
Io in realtà come l'ultimo approccio migliore. Perché non è raccomandato? –
@DavidArenburg Immagino che sia piuttosto lento fare simili join cartesiani. Inoltre, funziona solo per il caso speciale di coppie, mentre 'c (id = split (combn (id, 3), 1: 3))' è un'estensione diretta del primo approccio. Infine, navigare nella notazione 'i. *' Qui è un po 'macchinoso e porta ai nomi "sbagliati" sul risultato. – Frank
Non penso che un join binario sarà lento, anche se potrebbe costare un po 'di memoria aggiuntiva a causa dell'adesione cartesiana. –