加速R中的代码执行，以提供属于特定ID的所有可能事件组合的计数

我有一个数据集，有3列，（ID，D，AE）

我想计算ID的数量，其中所有可能的组合包括特定ID内任意两种药物之间的任何组合以及对应于该ID的AEs。请查看图片以准确理解我的意思

有人可以帮我编写一个在小数据集（示例）上完美运行的代码。但是，代码在实际数据集（46000个唯一ID、1600个唯一D值和3200个唯一AE值）上工作需要几个小时。实际上，我不得不在3小时后（代码执行时）中断会话，而没有得到任何输出

下面是我希望改进其性能以适应庞大数据集的代码：

enter code here

库（tidyverse）
组合%
突变（D2=D）%>%
分组依据（ID）%>%
展开（交叉（D，D2，AE））%>%#获取ID中的所有D1，D2，AE组合
过滤器（D2>D）%>%#重复数据消除到唯一的组合
重命名（D1=D）%>%
解组（）%>%
不同的（D1、D2、AE）#跨ID进行重复数据消除
​
#对于给定的D1、D2、AE组合；检查样本中有多少ID具有该组合
计数%
分组依据（ID）%>%
变异(
has_D1=if_else（D1值%D，“D1”，“无D1”），
has_D2=if_else（D2值%D，“D2”，“无D2”），
has_AE=if_else（AE_val%在%AE中，“AE”，“no AE”）
) %>% 
组别（组别D1、组别D2、组别AE）%>%
总结（n_ID=n_distinct（ID），.groups=“drop”）%>%
列表（.）
}
​
组合%>%
突变（数据=列表（样本））%>%
行（）
mutate（data=count_ID（D1、D2、AE、data））%>%#获取每个组合的ID计数
unnest（数据）%%>%
mutate（colname=str_c（has_D1，has_D2，has_AE，sep=“，”）%%>%#为每种可能的组合创建一个列名
选择（-start_with（“has”））%>%
轴更宽（名称从=colname，值从=n\u id，值填充=0L）#展开为宽格式

---

我非常感谢你的帮助。提前谢谢

我无法运行示例。有丢失的包裹吗？我已经添加了

library（tidyr）

和

library（dplyr）

，但是在UseMethod（“groupby”）中得到了消息

Error：没有适用于“groupby”的方法应用于最终line@JonnyPhelps我也是这样，但我重新启动了R会话，加载了
tidyverse
并且示例成功了是的，很抱歉，我忘了添加库（tidyverse），我将编辑帖子。该代码在小型数据集上运行良好。主要问题出现在我尝试使用大型数据集时，代码的最后一部分需要数小时才能执行，我最终放弃并停止了操作…@HossamMohamed
tidyverse
（因为使用了太多的
%>%
管道）的特点不是特别快。这似乎是一个需要通过库
data.table
来解决的问题，但我对它了解得不够，无法帮助您是的，我也这么认为。但不幸的是，我不知道如何在这种情况下使用data.table：（我无法运行示例。是否缺少包？我已经添加了
library（tidyr）
&
library（dplyr）
，但得到消息
Error-in-use-method（“group\U by”）：没有适用于“list”类对象的“group\U by”方法
在决赛中line@JonnyPhelps我也遇到了同样的情况，但我重新启动了R会话，加载了
tidyverse
，示例成功了是的，很抱歉，我忘了添加库（tidyverse），我将编辑帖子。该代码在小数据集上运行得非常好。主要问题发生在我尝试使用大数据集时，代码的最后一部分需要几个小时才能执行，我最终放弃并停止了操作…@HossamMohamed
tidyverse
（因为使用了太多的
%>%
管道）其特点不是特别快。这似乎是一个需要通过库
data.table
解决的问题，但我对它了解得不够，无法帮助您是的，我也这么认为。但不幸的是，我不知道如何在这种情况下使用data.table：(
enter code here

library(tidyverse)

combinations <- sample %>%
  mutate(D2 = D) %>%
  group_by(ID) %>%
  expand(crossing(D, D2, AE)) %>% # Get all D1, D2, AE combinations within-ID
  filter(D2 > D) %>% # Deduplicate to unique combinations
  rename(D1 = D) %>%
  ungroup() %>%
  distinct(D1, D2, AE) # Deduplicate across IDs
​
# For a given combination of D1, D2, AE; check how many IDs in sample have that combination
count_ids <- function(D1_val, D2_val, AE_val, data) {
  data %>%
    group_by(ID) %>%
    mutate(
      has_D1 = if_else(D1_val %in% D, "D1", "no D1"),
      has_D2 = if_else(D2_val %in% D, "D2", "no D2"),
      has_AE = if_else(AE_val %in% AE, "AE", "no AE")
    ) %>% 
    group_by(has_D1, has_D2, has_AE) %>%
    summarise(n_IDs = n_distinct(ID), .groups = "drop") %>%
    list(.)
}
​
combinations %>%
  mutate(data = list(sample)) %>%
  rowwise() %>%
  mutate(data = count_ids(D1, D2, AE, data)) %>% # Get the ID counts for each combination
  unnest(data) %>%
  mutate(colname = str_c(has_D1, has_D2, has_AE, sep = ",")) %>% # Create a column name for each possibility of the combinations
  select(-starts_with("has_")) %>%
  pivot_wider(names_from = colname, values_from = n_IDs, values_fill = 0L) # Spread out to wide format