计算并识别R中的唯一关系

我有一个数据框，有两列，如下所示：

id1 <- c(123,456,789,122,345,678,901,126,567,890,001,002,130,122)
id2 <- c(121,122,123,456,125,126,127,678,129,130,131,132,890,987)
df <- cbind(id1,id2)
df
  id1 id2
 [1,] 123 121
 [2,] 456 122
 [3,] 789 123
 [4,] 122 456
 [5,] 345 125
 [6,] 678 126
 [7,] 901 127
 [8,] 126 678
 [9,] 567 129
[10,] 890 130
[11,]   1 131
[12,]   2 132
[13,] 130 890
[14,] 122 987

forwards<-paste(V1,V2)
backwards<-paste(V2,V1)

#identifying combinations

intersect(forwards, backwards)
[1] "456 122" "122 456" "678 126" "126 678" "890 130" "130 890"

#count combinations
length(intersect(forwards, backwards))
[1] 6

  id1 id2
  678 126
  126 678
  890 130
  130 890
  #count should be equals to 4

因此，新计数应排除这两种情况，并按如下方式计数：

id1 <- c(123,456,789,122,345,678,901,126,567,890,001,002,130,122)
id2 <- c(121,122,123,456,125,126,127,678,129,130,131,132,890,987)
df <- cbind(id1,id2)
df
  id1 id2
 [1,] 123 121
 [2,] 456 122
 [3,] 789 123
 [4,] 122 456
 [5,] 345 125
 [6,] 678 126
 [7,] 901 127
 [8,] 126 678
 [9,] 567 129
[10,] 890 130
[11,]   1 131
[12,]   2 132
[13,] 130 890
[14,] 122 987

forwards<-paste(V1,V2)
backwards<-paste(V2,V1)

#identifying combinations

intersect(forwards, backwards)
[1] "456 122" "122 456" "678 126" "126 678" "890 130" "130 890"

#count combinations
length(intersect(forwards, backwards))
[1] 6

  id1 id2
  678 126
  126 678
  890 130
  130 890
  #count should be equals to 4

---

我如何才能做到这一点？

以下是我使用

data.table

回答您的问题的答案。也许有人能帮我们找到一个更直接的解决方案

library(data.table)
df <- data.table(id1,id2) # get vectors as a data.table

# create forwards and backwards  columns
  df[ , forwards := paste(id1,id2)]
  df[ , backwards := paste(id2,id1)]

# count number of intersections between forwards and backwards  
  df [ forwards %in% backwards, .(count=.N)]

>    count
> 1:     6

库（data.table）
测向计数
> 1:     6

这就是你要问的，棘手的部分

# add new column with number of pairs of id1
  df[ , pairs :=.N, by= id1]

# get all values that have more than one pair
  too_many_pairs <-  as.matrix(df[ pairs >1, .(id1,id2) ])

# solution
  df[  id1 %in% id2 & id2 %in% id1 & !(id1 %in% too_many_pairs) ]

>    id1 id2 
> 1: 678 126 
> 2: 126 678 
> 3: 890 130 
> 4: 130 890 

#添加具有id1对数的新列
df[，pairs:=.N，by=id1]
#获取具有多个对的所有值
太多对（id1，id2）]）
#解决方案
df[id1%在%id2中，id2%在%id1&！（id1%在%too\u many\u pairs中）]
>id1 id2
> 1: 678 126 
> 2: 126 678 
> 3: 890 130 
> 4: 130 890 

解释解决方案：

解决方案

id2中的id1%和%id1中的id2%

的第一部分表示只保留id1中也可以在id2中找到的那些值，反之亦然

---

解决方案的第二部分

！（id1%在%too\u many\u pairs中）

表示删除具有多个对的id1的所有值

以下是我使用

数据解决问题的答案。表

。也许有人能帮我们找到一个更直接的解决方案

library(data.table)
df <- data.table(id1,id2) # get vectors as a data.table

# create forwards and backwards  columns
  df[ , forwards := paste(id1,id2)]
  df[ , backwards := paste(id2,id1)]

# count number of intersections between forwards and backwards  
  df [ forwards %in% backwards, .(count=.N)]

>    count
> 1:     6

库（data.table）
测向计数
> 1:     6

这就是你要问的，棘手的部分

# add new column with number of pairs of id1
  df[ , pairs :=.N, by= id1]

# get all values that have more than one pair
  too_many_pairs <-  as.matrix(df[ pairs >1, .(id1,id2) ])

# solution
  df[  id1 %in% id2 & id2 %in% id1 & !(id1 %in% too_many_pairs) ]

>    id1 id2 
> 1: 678 126 
> 2: 126 678 
> 3: 890 130 
> 4: 130 890 

#添加具有id1对数的新列
df[，pairs:=.N，by=id1]
#获取具有多个对的所有值
太多对（id1，id2）]）
#解决方案
df[id1%在%id2中，id2%在%id1&！（id1%在%too\u many\u pairs中）]
>id1 id2
> 1: 678 126 
> 2: 126 678 
> 3: 890 130 
> 4: 130 890 

解释解决方案：

解决方案

id2中的id1%和%id1中的id2%

的第一部分表示只保留id1中也可以在id2中找到的那些值，反之亦然

---

解决方案的第二部分

！（id1%在%too\u many\u pairs中）

表示删除具有多个对的id1的所有值

library(dplyr)
library(tidyr)

# make df a data.frame instead of a matrix
data.frame(df) %>% 
    # add row index
    add_rownames() %>% 
    # melt to long form
    gather(id, val, -rowname) %>% 
    # filter down to values repeated an even number of times
    group_by(val) %>% filter(n() %% 2 == 0) %>% 
    # filter down to rows with two values
    group_by(rowname) %>% filter(n() == 2) %>% 
    # spread back to wide form
    spread(id, val)

# Source: local data frame [4 x 3]
# Groups: rowname [4]
# 
#   rowname   id1   id2
#     (chr) (dbl) (dbl)
# 1      10   890   130
# 2      13   130   890
# 3       6   678   126
# 4       8   126   678

---

这里有一个Hadleyverse方法：

library(dplyr)
library(tidyr)

# make df a data.frame instead of a matrix
data.frame(df) %>% 
    # add row index
    add_rownames() %>% 
    # melt to long form
    gather(id, val, -rowname) %>% 
    # filter down to values repeated an even number of times
    group_by(val) %>% filter(n() %% 2 == 0) %>% 
    # filter down to rows with two values
    group_by(rowname) %>% filter(n() == 2) %>% 
    # spread back to wide form
    spread(id, val)

# Source: local data frame [4 x 3]
# Groups: rowname [4]
# 
#   rowname   id1   id2
#     (chr) (dbl) (dbl)
# 1      10   890   130
# 2      13   130   890
# 3       6   678   126
# 4       8   126   678

---

回答得好。加一，回答得好。加一。