查找所有可能的列组合的总和而不重复

Question

我有一个大的 table 结构如下：

DT <- data.table(Sample = c(LETTERS[1:3]),
                ColA = c(1:3),
                ColB = c(3:1),
                ColC = 1,
                ColD = 2)

> DT
   Sample ColA ColB ColC ColD
1:      A    1    3    1    2
2:      B    2    2    1    2
3:      C    3    1    1    2

我希望找到 3 列的所有可能的非重复组合，然后找到每个样本在这些列中的值的总和。

所需的输出如下所示。

    Sample FirstCol SecondCol ThirdCol SumOfCols
 1:      A     ColA      ColB     ColC         5
 2:      A     ColA      ColB     ColD         6
 3:      A     ColA      ColC     ColD         4
 4:      A     ColB      ColC     ColD         6
 5:      B     ColA      ColB     ColC         5
 6:      B     ColA      ColB     ColD         6
 7:      B     ColA      ColC     ColD         5
 8:      B     ColB      ColC     ColD         5
 9:      C     ColA      ColB     ColC         5
10:      C     ColA      ColB     ColD         6
11:      C     ColA      ColC     ColD         6
12:      C     ColB      ColC     ColD         4

目前，我正在使用 combn() 查找列的所有组合，然后我通过使用 merge() 三次（对组合中的每个列一次）将值附加到它。


Combinations <- combn(colnames(DT[,!1]), 3)
Combinations <- as.data.table(t(Combinations))

lapply(DT$Sample, function(i){
  Melted <- as.data.table(melt(DT[Sample == i], id.vars = "Sample"))[,!1]
  Output <- merge(Combinations, Melted, by.x="V1", by.y="variable")
  Output <- merge(Output, Melted, by.x="V2", by.y="variable")
  Output <- merge(Output, Melted, by.x="V3", by.y="variable")
  colnames(Output) <- c("ThirdCol", "SecondCol", "FirstCol", "FirstValue", "SecondValue","ThirdValue")
  Output$SumOfCols <- Output$FirstValue + Output$SecondValue + Output$ThirdValue
  Output$Sample <- i
  Output <- Output[,c(8,3,2,1,7)] 
})

虽然这达到了我想要的效果，但速度很慢，因为我的真实数据集相当大。我想知道是否有人可以告诉我如何加快速度。

如有任何帮助，我们将不胜感激，谢谢！

Answer 1

DT %>%
  group_by(Sample) %>%
  summarise(s = combn(cur_data(), 3,  \(x)c(nms = names(x), Sum = rowSums(x)), 
                      simplify = FALSE),    .groups = 'drop') %>%
  unnest_wider(s) %>%
  type.convert(as.is = TRUE)

# A tibble: 12 x 5
   Sample nms1  nms2  nms3    Sum
   <chr>  <chr> <chr> <chr> <int>
 1 A      ColA  ColB  ColC      5
 2 A      ColA  ColB  ColD      6
 3 A      ColA  ColC  ColD      4
 4 A      ColB  ColC  ColD      6
 5 B      ColA  ColB  ColC      5
 6 B      ColA  ColB  ColD      6
 7 B      ColA  ColC  ColD      5
 8 B      ColB  ColC  ColD      5
 9 C      ColA  ColB  ColC      5
10 C      ColA  ColB  ColD      6
11 C      ColA  ColC  ColD      6
12 C      ColB  ColC  ColD      4

查找所有可能的列组合的总和而不重复

Finding sum of all possible column combinations without repetition

merge

r

cross-join

data.table