dplyr按多个列的并集分组

dplyr

可以通过多个列（比如ID列）进行分组，但这需要考虑它们的交叉点。因此，这些ID列的所有可用组合被认为是考虑不同组的因素。

我正在寻找多个列的并集，也就是说，如果两行至少有一个ID列匹配，我希望它们位于同一个组中

在中，有一个使用

igraph

包的解决方案。当我有两个以上的ID列时，我无法概括这一点，因为

graph\u from\u data\u frame

的文档说明如下：

d

在前两列中包含符号边缘列表的数据帧。其他列被视为边属性

下面是一个例子：

库（dplyr）
#> 
#>正在附加包：“dplyr”
#>以下对象已从“package:stats”屏蔽：
#> 
#>滤波器，滞后
#>以下对象已从“package:base”屏蔽：
#> 
#>相交、setdiff、setequal、并集
输入数据：10 x 3
#>id1 id2 id3
#>      
#>  1     1     1     1
#>  2     2     2     2
#>  3     3     3     2
#>  4     4     1     1
#>  5     5     2     2
#>  6     2     3     3
#>  7     2     3     4
#>  8     3     2     2
#>  9     4     4     5
#> 10     1     1     5
分组单位df%
分组依据（id1、id2、id3）%>%
变异（id=group_index（））
分组的
#>#tibble:10 x 4
#>#分组：id1、id2、id3[10]
#>id1 id2 id3 id
#>       
#>  1     1     1     1     1
#>  2     2     2     2     3
#>  3     3     3     2     7
#>  4     4     1     1     8
#>  5     5     2     2    10
#>  6     2     3     3     4
#>  7     2     3     4     5
#>  8     3     2     2     6
#>  9     4     4     5     9
#> 10     1     1     5     2
预期值：10 x 4
#>id1 id2 id3 id
#>       
#>  1     1     1     1     1
#>  2     2     2     2     2
#>  3     3     3     2     2
#>  4     4     1     1     1
#>  5     5     2     2     2
#>  6     2     3     3     2
#>  7     2     3     4     2
#>  8     3     2     2     2
#>  9     4     4     5     1
#> 10     1     1     5     1

---

由（v0.2.1）于2019-05-03创建，您可以使用

rdist:：pdist

创建邻接矩阵，从而应用

igraph

方法：

library(rdist)
library(igraph)

matches = rdist::pdist(input_df, metric = function(x, y) { any(x == y) })
g = graph_from_adjacency_matrix(matches)
input_df$g = clusters(g)$membership

---

由于需要使用自定义函数计算成对距离，因此在较大的数据上可能速度较慢。

我不确定是否理解预期的输出。第2行属于第2组，因为它与第1组中的任何内容都不匹配，第3行也属于第2组，因为它与第2组有1个匹配？那么第7行呢？您不能唯一地标识这样一个组，因为它们不会相互排斥。这似乎是一个群集问题。@第7行的Marius

id1

和

id2

与第2行的匹配，因此ii被排除在同一个组中。@Rohit对于这个特定的伪示例，它们是独占的。这确实是一种集群，我同意这一点。我希望有一个

dplyr

解决方案，但它也很好。谢谢