如果至少组合了 5 个 ID，则根据变量 ID 组合观察

Question

上周我发布了以下。这个想法是做一个循环，通过随机组合基于变量 "id" 的观察来确定数据库的内容。

例如：

数据集 1：id 1、2、3、4、5、6、7、8 的组合...
数据集 2：id 1、2、3 的组合
数据集 3：id 2、3、4、5 的组合
数据集 4：id 5、6、7、8、9、10 的组合...

我得到了一个完美的问题答案：

for(i in 2:max(o$id)){
  combis=combn(unique(o$id),i)
  for(j in 1:ncol(combis)){
    sub=o[o$id %in% combis[,j],]
    out=sub[1,]    # use your function
    out$label=paste(combis[,j],collapse ='') #provide an id so you know for which combination this result is
    result=rbind(result,out) # paste it to previous output
  }
}

但是，我现在的问题是：有没有办法指定我只想要至少5个id的组合？这个过程占用了大量的计算时间，我注意到小数据集（少于 5 个不同的 ID）给出有偏差的结果。

通过这个link，可以找到数据集的样本和完整的代码来重现这个例子。请注意，运行整个代码可能需要一段时间，除非有明确说明我只对至少 5 个 ID 的组合感兴趣。

Answer 1

您可以在 5:

开始循环

for(i in 5:max(o$id)){
  combis=combn(unique(o$id),i)
   ...

这样，每个组合中至少有 5 个元素（参见 ?combn）。

如果至少组合了 5 个 ID，则根据变量 ID 组合观察

Combine observations based on the variable ID if at least 5 IDs are combined

r

loops

dataframe

combiners