R 查找大数据集上的公共第三个

我有一个像

df <- data.frame(group= c("a","a","b","b","b","c"),
             person = c("Tom","Jerry","Tom","Anna","Sam","Nic"), stringsAsFactors = FALSE)

df
    group person
1     a    Tom
2     a  Jerry
3     b    Tom
4     b   Anna
5     b    Sam
6     c    Nic

---

结果dataframe基本上给出了一个表，其中包含所有具有共同点的人对。我在SQL中找到了一种方法，但这需要很长的时间，所以我想知道是否有一种有效的方法可以在R中实现这一点。其基本思想是创建一个图，然后为每个节点提取两个相邻的节点

library(igraph)
X1 = split(df$person, df$group)
X2 = X1[lengths(X1) >= 2]
dat = data.frame(do.call(rbind, unlist(lapply(X2, function(x)
            combn(x, 2, sort, FALSE)), recursive = FALSE)))
g = graph.data.frame(dat, directed = FALSE)
mydf = data.frame(as.matrix(get.adjacency(g)))
mydf = mydf[colSums(mydf) > 1]
ANS = sapply(mydf, function(x) t(combn(row.names(mydf)[which(x == 1)], 2)))
do.call(rbind, lapply(names(ANS), function(nm) data.frame(ANS[[nm]], nm)))
#     X1   X2   nm
#1   Sam  Tom Anna
#2  Anna  Tom  Sam
#3 Jerry Anna  Tom
#4 Jerry  Sam  Tom
#5  Anna  Sam  Tom

或

mynames=unique（do.call（c，X2））
打电话（rbind，
lappy（我的名字，函数（x）{
L=V（g）$name[未列出（相邻的_顶点（图=g，V=x））]
如果（长度（L）>=2）{
集合名（数据帧（t（combn（L，2）），x），c（“P1”，“P2”，“P3”））
}否则{
集合名（数据帧（NA，NA，x），c（“P1”，“P2”，“P3”））
}
}))
#P1 P2 P3
#杰瑞·安娜·汤姆
#杰里·萨姆·汤姆
#安娜·萨姆·汤姆
#杰瑞
#5山姆汤姆安娜
#安娜·汤姆·萨姆

它适用于正常大小的数据集，但当我尝试设置

mydf

邻接矩阵（

g

的大小几乎为1gb）时，我遇到了实际数据的内存问题。我尝试了，但我想矩阵太大了。也在和稀疏矩阵混在一起，但没能弄明白。我会尝试更多，然后接受你的答案，因为它解决了一般问题。它不会与第二个版本@d.b崩溃，但仍在运行。我会让你知道它是如何运行三天的@d.b，所以我不得不停止它。可能得想办法把它分开

library(igraph)
X1 = split(df$person, df$group)
X2 = X1[lengths(X1) >= 2]
dat = data.frame(do.call(rbind, unlist(lapply(X2, function(x)
            combn(x, 2, sort, FALSE)), recursive = FALSE)))
g = graph.data.frame(dat, directed = FALSE)
mydf = data.frame(as.matrix(get.adjacency(g)))
mydf = mydf[colSums(mydf) > 1]
ANS = sapply(mydf, function(x) t(combn(row.names(mydf)[which(x == 1)], 2)))
do.call(rbind, lapply(names(ANS), function(nm) data.frame(ANS[[nm]], nm)))
#     X1   X2   nm
#1   Sam  Tom Anna
#2  Anna  Tom  Sam
#3 Jerry Anna  Tom
#4 Jerry  Sam  Tom
#5  Anna  Sam  Tom

mynames = unique(do.call(c, X2))
do.call(rbind,
        lapply(mynames, function(x){
            L = V(g)$name[unlist(adjacent_vertices(graph = g, v = x))]
            if(length(L) >= 2){
                setNames(data.frame(t(combn(L, 2)), x), c("P1", "P2", "P3"))
            }else{
                setNames(data.frame(NA, NA, x), c("P1", "P2", "P3"))
            }
        }))
#     P1   P2    P3
#1 Jerry Anna   Tom
#2 Jerry  Sam   Tom
#3  Anna  Sam   Tom
#4  <NA> <NA> Jerry
#5   Sam  Tom  Anna
#6  Anna  Tom   Sam