查找所有变量对之间的交集长度

Question

我有一个大型数据集（大约 130 列），如下所示：

data <- data.frame(AA = c("Apple", "Banana", "0", "Cherry", "0"),
                   AB = c("0", "0", "Apple", "Cherry", "0"),
                   AC = c("0", "0", "0", "0", "Cherry"),
                   AD = c("Cherry", "0", "0", "Banana", "0"))

谁能帮我找出所有可能的列对之间完全匹配的数目？输出应如下所示：

> output
  AA_AB AA_AC AA_AD AB_AC AB_AD AC_AD
      3     2     3     2     2     2

我试过使用 length(intersect(data$AA, data$AB))，但我不知道如何在一个命令中将其应用于整个数据集。通过在 Whosebug 上搜索其他查询，我还尝试首先创建一个包含所有可能列对的数据框，但我无法弄清楚如何使我的输出实际匹配我的原始列名，然后应用 intersect 函数。

N <- ncol(data)
combos <- expand.grid(1:N,1:N) %>%
  filter(!Var1==Var2)
combos <- combos[!duplicated(t(apply(combos[1:2], 1, sort))),]

Answer 1

您可以使用 combn 创建列名组合并使用 length 和 intersect 计算它们之间的共同值。

val <- combn(names(data), 2, function(x) 
             length(intersect(data[[x[1]]], data[[x[2]]])))

names(val) <- combn(names(data), 2, paste0, collapse =  '_')
val
#AA_AB AA_AC AA_AD AB_AC AB_AD AC_AD 
#    3     2     3     2     2     2

查找所有变量对之间的交集长度

Find length of intersect between all pairs of variables

r

intersect