data.table 中组间项目的交集

Question

我有一个包含两列的 data.table，一列带有 groupID，另一列带有 color。我想找到所有组之间的交集或成对交集操作的长度。网上有类似的帖子，但没有完全符合我的要求。

require(data.table)


set.seed(1)
x <- data.table(
  groupID = paste0(sample(LETTERS), sample(LETTERS, replace = TRUE)),
  color = sapply(1:length(LETTERS), function(x) sample(colors()[1:10])[1:sample(5:10)[1]])
)

x <- x[, .(color = unlist(color)), keyby = groupID]

下面的 table 没有正确的值，但它看起来像这样：

groups <- x[, .N, keyby = groupID][,groupID]; results <- CJ(groups, groups)
results[, intersectionLength := sapply(1:nrow(results), function(x) sample(5:10)[1])]

编辑

我如何将其应用于我的问题？

Answer 1

这是一个带有 Map 的选项，用于比较组列的成对元素以提取 intersecting 'color' 值并获得它的 length

library(data.table)
CJ(group1 = unique(x$groupID), group2 = unique(x$groupID))[,
   .(group1, group2, intersectionLength = unlist(Map(function(u, v) 
   length(intersect(x$color[x$groupID == u], 
      x$color[x$groupID == v])), group1, group2)))]

Answer 2

这是在翻转组的情况下删除重复项的另一个选项：

ans <- x[x, on=.(color), allow.cartesian=TRUE][groupID!=i.groupID, 
    .(intersectionLength=uniqueN(color)), 
    .(g1=pmin(groupID, i.groupID), g2=pmax(groupID, i.groupID))]

输出：

     g1 g2 intersectionLength
  1: AT AT                  6
  2: AT CZ                  3
  3: AT DO                  6
  4: AT EW                  5
  5: AT FT                  4
 ---                         
347: XL YL                  3
348: XL ZF                  6
349: YL YL                  5
350: YL ZF                  3
351: ZF ZF                  7

data.table 中组间项目的交集

Intersection of items between groups in a data.table

grouping

intersection

r

data.table