R 比较多个列并创建匹配的计数
我有一个数据集，里面有受访者朋友和欺负者的身份证号码 我想查看每一行的所有友谊提名和所有欺负提名，并统计他们提名的人数。任何帮助都会很好 有数据：R 比较多个列并创建匹配的计数,r,loops,R,Loops,我有一个数据集，里面有受访者朋友和欺负者的身份证号码 我想查看每一行的所有友谊提名和所有欺负提名，并统计他们提名的人数。任何帮助都会很好 有数据： ID friend_1 friend_2 friend_3 bully_1 bully_2 1 4 12 7 12 15 2 8 6 7 18 20 3 9 18
ID friend_1 friend_2 friend_3 bully_1 bully_2
1 4 12 7 12 15
2 8 6 7 18 20
3 9 18 1 2 1
4 15 7 2 7 13
5 1 17 9 17 1
6 9 19 20 14 12
7 19 12 20 9 12
8 7 1 16 2 15
9 1 10 12 1 7
10 7 11 9 11 7
ID friend_1 friend_2 friend_3 bully_1 bully_2 num_both
1 4 12 7 12 15 1
2 8 6 7 18 20 0
3 9 18 1 2 1 1
4 15 7 2 7 13 1
5 1 17 9 17 1 2
6 9 19 20 14 12 0
7 19 12 20 9 12 1
8 7 1 16 2 15 0
9 1 10 12 1 7 1
10 7 11 9 11 7 2
我们可以按行使用
applyfriendbullydf$num_both <- apply(df, 1, function(x)
length(intersect(x[grep("friend", names(df))], x[grep("bully", names(df))])))
# ID friend_1 friend_2 friend_3 bully_1 bully_2 num_both
#1 1 4 12 7 12 15 1
#2 2 8 6 7 18 20 0
#3 3 9 18 1 2 1 1
#4 4 15 7 2 7 13 1
#5 5 1 17 9 17 1 2
#6 6 9 19 20 14 12 0
#7 7 19 12 20 9 12 1
#8 8 7 1 16 2 15 0
#9 9 1 10 12 1 7 1
#10 10 7 11 9 11 7 2
编辑 如果存在一些
NAis.NAsumapply(df, 1, function(x) sum(!is.na(intersect(x[friend_cols], x[bully_cols]))))
您可以尝试将每个
bullynum\u二者rowSumbully_cols <- grep("bully", names(df))
friend_cols <- grep("friend", names(df))
df$num_both <- rowSums(Reduce("|", lapply(df[,bully_cols], function(x, compare) compare == x, compare = df[,friend_cols])))
假设价值观在朋友/欺负者群体中是唯一的，一个简单的方法是：
apply(df[,-1], 1, function (x) sum(table(x) > 1))
[1] 1 0 1 1 2 0 1 0 1 2
下面是一个基于
data.tablemelt根据列名中的模式（以friend
开始，bully
）将融化为'long'格式，按'ID'分组，获得长数据集列'value1'，'value2'的元素的长度，并对'ID'进行联接
library(data.table)
setDT(df1)[melt(df1, measure = patterns('^friend', '^bully'))[,
.(num_both = length(intersect(value1, value2))), ID], on = .(ID)]
# ID friend_1 friend_2 friend_3 bully_1 bully_2 num_both
# 1: 1 4 12 7 12 15 1
# 2: 2 8 6 7 18 20 0
# 3: 3 9 18 1 2 1 1
# 4: 4 15 7 2 7 13 1
# 5: 5 1 17 9 17 1 2
# 6: 6 9 19 20 14 12 0
# 7: 7 19 12 20 9 12 1
# 8: 8 7 1 16 2 15 0
# 9: 9 1 10 12 1 7 1
#10: 10 7 11 9 11 7 2
或者使用tidyverse
bycollect
ing进入“long”格式，按“ID”分组，summary
使用length
的intersect
根据“key”列中出现的“friend”或“bully”对“value”元素进行排序，并将其与原始数据集进行右键联接
library(tidyverse)
df1 %>%
gather(key, value, -ID) %>%
group_by(ID) %>%
summarise(num_both = length(intersect(value[str_detect(key, 'friend')],
value[str_detect(key, 'bully')]))) %>%
right_join(df1)
# A tibble: 10 x 7
# ID num_both friend_1 friend_2 friend_3 bully_1 bully_2
# <int> <int> <int> <int> <int> <int> <int>
# 1 1 1 4 12 7 12 15
# 2 2 0 8 6 7 18 20
# 3 3 1 9 18 1 2 1
# 4 4 1 15 7 2 7 13
# 5 5 2 1 17 9 17 1
# 6 6 0 9 19 20 14 12
# 7 7 1 19 12 20 9 12
# 8 8 0 7 1 16 2 15
# 9 9 1 1 10 12 1 7
#10 10 2 7 11 9 11 7
数据
df1嘿，谢谢！我认为应用版本几乎就在那里了，但它是按行计算NA的，其中一些观察结果的提名比其他的少。知道如何确保在计算匹配项时忽略NA吗？我们可以使用sum
和is.NA
忽略NA
匹配项。我已经更新了答案。
library(data.table)
setDT(df1)[melt(df1, measure = patterns('^friend', '^bully'))[,
.(num_both = length(intersect(value1, value2))), ID], on = .(ID)]
# ID friend_1 friend_2 friend_3 bully_1 bully_2 num_both
# 1: 1 4 12 7 12 15 1
# 2: 2 8 6 7 18 20 0
# 3: 3 9 18 1 2 1 1
# 4: 4 15 7 2 7 13 1
# 5: 5 1 17 9 17 1 2
# 6: 6 9 19 20 14 12 0
# 7: 7 19 12 20 9 12 1
# 8: 8 7 1 16 2 15 0
# 9: 9 1 10 12 1 7 1
#10: 10 7 11 9 11 7 2
library(tidyverse)
df1 %>%
gather(key, value, -ID) %>%
group_by(ID) %>%
summarise(num_both = length(intersect(value[str_detect(key, 'friend')],
value[str_detect(key, 'bully')]))) %>%
right_join(df1)
# A tibble: 10 x 7
# ID num_both friend_1 friend_2 friend_3 bully_1 bully_2
# <int> <int> <int> <int> <int> <int> <int>
# 1 1 1 4 12 7 12 15
# 2 2 0 8 6 7 18 20
# 3 3 1 9 18 1 2 1
# 4 4 1 15 7 2 7 13
# 5 5 2 1 17 9 17 1
# 6 6 0 9 19 20 14 12
# 7 7 1 19 12 20 9 12
# 8 8 0 7 1 16 2 15
# 9 9 1 1 10 12 1 7
#10 10 2 7 11 9 11 7
df1 %>%
mutate(num_both = pmap(.[-1], ~ c(...) %>%
{length(intersect(.[1:3], .[4:5]))}))
df1 <- structure(list(ID = 1:10, friend_1 = c(4L, 8L, 9L, 15L, 1L, 9L,
19L, 7L, 1L, 7L), friend_2 = c(12L, 6L, 18L, 7L, 17L, 19L, 12L,
1L, 10L, 11L), friend_3 = c(7L, 7L, 1L, 2L, 9L, 20L, 20L, 16L,
12L, 9L), bully_1 = c(12L, 18L, 2L, 7L, 17L, 14L, 9L, 2L, 1L,
11L), bully_2 = c(15L, 20L, 1L, 13L, 1L, 12L, 12L, 15L, 7L, 7L
)), class = "data.frame", row.names = c(NA, -10L))