使用R统计起点-终点关系（无直接关系）

我有一个这样的起点-终点表

library(dplyr)
set.seed(1983)

namevec <- c('Portugal', 'Romania', 'Nigeria', 'Peru', 'Texas', 'New Jersey', 'Colorado', 'Minnesota')

## Create OD pairs
df <- data_frame(origins = sample(namevec, size = 100, replace = TRUE), 
                 destinations = sample(namevec, size = 100, replace = TRUE))

一种方法是将两个位置的排序组合合并到一个字段中。在此基础上进行总结将删除两个原始列，因此您需要将它们重新合并

paired <- df %>%
  mutate(
    orderedpair = paste(pmin(origins, destinations), pmax(origins, destinations), sep = "::")
  )
paired
# # A tibble: 100 × 3
#       origins destinations           orderedpair
#         <chr>        <chr>                 <chr>
# 1        Peru     Colorado        Colorado::Peru
# 2     Romania     Portugal     Portugal::Romania
# 3     Romania     Colorado     Colorado::Romania
# 4  New Jersey    Minnesota Minnesota::New Jersey
# 5   Minnesota        Texas      Minnesota::Texas
# 6     Romania        Texas        Romania::Texas
# 7        Peru         Peru            Peru::Peru
# 8     Romania      Nigeria      Nigeria::Romania
# 9    Portugal    Minnesota   Minnesota::Portugal
# 10    Nigeria     Colorado     Colorado::Nigeria
# # ... with 90 more rows

left_join(
  paired,
  group_by(paired, orderedpair) %>% count(),
  by = "orderedpair"
) %>%
  select(-orderedpair) %>%
  distinct() %>%
  arrange(desc(n))
# # A tibble: 48 × 3
#       origins destinations     n
#         <chr>        <chr> <int>
# 1     Romania     Portugal     6
# 2  New Jersey    Minnesota     6
# 3    Portugal      Romania     6
# 4   Minnesota   New Jersey     6
# 5     Romania        Texas     5
# 6     Nigeria     Colorado     5
# 7       Texas      Nigeria     5
# 8       Texas      Romania     5
# 9     Nigeria        Texas     5
# 10       Peru         Peru     4
# # ... with 38 more rows

paired%
变异(
orderedpair=paste（pmin（起点，终点），pmax（起点，终点），sep=“：”）
)
成对的
##A tible:100×3
#来源目的地订购对
#                                  
#秘鲁科罗拉多州：秘鲁
#2罗马尼亚葡萄牙葡萄牙：：罗马尼亚
#3罗马尼亚科罗拉多州：罗马尼亚
#4新泽西明尼苏达州：新泽西州
#5明尼苏达州德克萨斯州明尼苏达州：德克萨斯州
#6罗马尼亚德克萨斯州罗马尼亚：：德克萨斯州
#秘鲁：秘鲁
#8罗马尼亚尼日利亚：罗马尼亚
#9葡萄牙明尼苏达州：葡萄牙
#10尼日利亚科罗拉多州：尼日利亚
# # ... 还有90行
左联合(
成对的，
分组依据（成对、有序对）%>%count（），
by=“orderedpair”
) %>%
选择（-orderedpair）%>%
不同的（）%>%
排列（描述（n））
##A tible:48×3
#出发地
#                  
#1罗马尼亚葡萄牙6
#2新泽西州明尼苏达州6
#3葡萄牙罗马尼亚6
#4明尼苏达州新泽西州6
#5罗马尼亚德克萨斯州5
#6尼日利亚科罗拉多州5
#7德克萨斯州-尼日利亚5
#8德克萨斯州罗马尼亚5
#9尼日利亚德克萨斯州5
#10秘鲁4
# # ... 还有38行

---

（我使用

”的唯一原因是：“

作为分隔符是在不太可能的情况下，您需要解析

orderedpair

；使用默认的

”

（空格）将无法与（例如混合中的

“新泽西州”

）一起使用。）

非常感谢！这正是我想要的：D、pmin和pmax是我错过的关键功能，它们当然非常方便。我发现自己操纵了类似的向量比较函数，将这两个函数建模。（例如，这里最近的一个问题非常需要

pmean

和/或

pmedian

）

paired <- df %>%
  mutate(
    orderedpair = paste(pmin(origins, destinations), pmax(origins, destinations), sep = "::")
  )
paired
# # A tibble: 100 × 3
#       origins destinations           orderedpair
#         <chr>        <chr>                 <chr>
# 1        Peru     Colorado        Colorado::Peru
# 2     Romania     Portugal     Portugal::Romania
# 3     Romania     Colorado     Colorado::Romania
# 4  New Jersey    Minnesota Minnesota::New Jersey
# 5   Minnesota        Texas      Minnesota::Texas
# 6     Romania        Texas        Romania::Texas
# 7        Peru         Peru            Peru::Peru
# 8     Romania      Nigeria      Nigeria::Romania
# 9    Portugal    Minnesota   Minnesota::Portugal
# 10    Nigeria     Colorado     Colorado::Nigeria
# # ... with 90 more rows

left_join(
  paired,
  group_by(paired, orderedpair) %>% count(),
  by = "orderedpair"
) %>%
  select(-orderedpair) %>%
  distinct() %>%
  arrange(desc(n))
# # A tibble: 48 × 3
#       origins destinations     n
#         <chr>        <chr> <int>
# 1     Romania     Portugal     6
# 2  New Jersey    Minnesota     6
# 3    Portugal      Romania     6
# 4   Minnesota   New Jersey     6
# 5     Romania        Texas     5
# 6     Nigeria     Colorado     5
# 7       Texas      Nigeria     5
# 8       Texas      Romania     5
# 9     Nigeria        Texas     5
# 10       Peru         Peru     4
# # ... with 38 more rows