R：匹配两列以重建观测顺序（标记重新捕获历史）
我有一个类似于我在这里发布的问题： 但是，数据的格式略有不同。一般数据结构是一列中的列表，其中一列是3天内拍摄的照片，另一列是与第1列中的照片相匹配的照片。另一个信息是照片拍摄的日期，因此每天拍摄的个人照片是相互排斥的-特定个人每天的照片不超过一张（即，在我下面的示例中，“a”永远不会与“B”匹配，因为它们都来自第1天）R：匹配两列以重建观测顺序（标记重新捕获历史）,r,matching,R,Matching,我有一个类似于我在这里发布的问题： 但是，数据的格式略有不同。一般数据结构是一列中的列表，其中一列是3天内拍摄的照片，另一列是与第1列中的照片相匹配的照片。另一个信息是照片拍摄的日期，因此每天拍摄的个人照片是相互排斥的-特定个人每天的照片不超过一张（即，在我下面的示例中，“a”永远不会与“B”匹配，因为它们都来自第1天） photo这里棘手的部分是找到那些都是同一个人的照片组。如果照片A中的动物与照片G中的动物相匹配，并且照片L与照片G相匹配，则需要一种算法，该算法将识别照片A、G和L作为所有
photo这里棘手的部分是找到那些都是同一个人的照片组。如果照片A中的动物与照片G中的动物相匹配，并且照片L与照片G相匹配，则需要一种算法，该算法将识别照片A、G和L作为所有链接
这是网络分析中的一个经典问题，因此我转向了igraph
包，它自称为“网络分析和可视化”包。它包括一个函数clusters（）
，该函数将从“邻接矩阵”（对节点之间的连接进行编码的矩阵）中拉出链接的簇，如下所示：
[1,] 1 . . . . . . . . . . .
[2,] . 1 . . . . . . . . . .
[3,] . . 1 . . . . . . . . .
[4,] . . . 1 . . . . . . . .
[5,] . . . . 1 . . . . . . .
[6,] 1 . . . . 1 . . . . . .
[7,] . 1 . . . . 1 . . . . .
[8,] . . . . 1 . . 1 . . . .
[9,] . . . . . . . . 1 . . .
[10,] . . . . . . . . . 1 . .
[11,] 1 . . . . 1 . . . . 1 .
[12,] . . 1 . . . . . . . . 1
上面的矩阵是数据的邻接矩阵。12行和12列代表12张照片，A-L。同一动物的照片标有1
。其他单元格用点标记，而不是0
，因为这实际上是一种特殊表示法，专为稀疏矩阵设计，由矩阵
包提供。（如果你有一个巨大的数据集，我选择了这种表示：nlarge
photos将生成一个包含nlarge^2
单元的矩阵，这可能会占用你的计算机内存。）
在下面的代码中，第一个块构造邻接矩阵，第二个块提取每个动物的照片簇，第三个块将结果以您要求的形式放回一起
library(Matrix)
library(igraph)
# Construct an adjacency matrix, in which pairs of photos of the same
# individual are encoded with 1's
photos <- as.character(unique(DF$photo))
n <- length(photos)
pairs <- subset(DF, !is.na(matching_photo),
select = c("photo", "matching_photo"))
pairs[] <- lapply(pairs, FUN=function(X) match(X, photos))
M <- 1 * with(pairs, sparseMatrix(i = c(seq_len(n), photo),
j = c(seq_len(n), matching_photo)))
# Extract vectors of photos of the same individual
(clust <- clusters(graph.adjacency(adjmatrix=M)))
# $membership
# [1] 0 1 2 3 4 0 1 4 5 6 0 2
# $csize
# [1] 3 2 2 1 2 1 1
# $no
# [1] 7
# Process results of clustering to construct output data.frame
DF2 <- cbind(individual = clust$membership,
subset(DF, !duplicated(photo), select=c("photo", "day")))
grps <- tapply(DF2$photo, DF2$individual, paste, collapse=",")
days <- tapply(DF2$day, DF2$individual,
FUN=function(X) paste((1 * unique(DF$day) %in% X), collapse=""))
data.frame(individual = as.numeric(names(grps)), photos = grps, days=days)
# individual photos days
# 0 0 A,F,K 111
# 1 1 B,G 110
# 2 2 C,L 101
# 3 3 D 100
# 4 4 E,H 011
# 5 5 I 001
# 6 6 J 001
库（矩阵）
图书馆（igraph）
#构造一个邻接矩阵，其中一对相同的照片
#个人用1编码
照片和一些友好的建议：你已经问了几个问题，得到了一些有用的答案（至少，你的评论是这么说的！）。如果您将答案标记为已接受（单击他们旁边的复选标记），如果它解决了您的问题，则对使用此网站的其他人将非常有帮助。这样，别人看到你的问题就会知道哪个答案解决了你的问题。（通常也认为在这里做有礼貌的事）对不起，我会去做。我没有意识到！完成。我花了一分钟才找到那个小复选标记。谢谢，明白了。我在这里总是得到很好的回答！@joran所说的：没问题，当你没有得到一个有效的答案时，不要觉得有任何强迫去接受。我知道你根本不知道——见鬼，你甚至在这个问题的底部提前写了一封感谢信，而且（更妙的是）还发布了可复制的数据！为此干杯！美好的我刚刚试过这个-在这条线上出现了一个错误“我很好，我已经在这上面混了一段时间了，出于一些奇怪的原因，我不能让它在我的真实数据上工作。我希望我没有忽略什么，但我一直在这件事上倾诉。我得到的错误是sparseMatrix线。它说“NA's in（I，j）是不允许的。”。“比较示例数据，j中有NA，但它可以工作，不会抛出错误。这还意味着什么？我已经试着确保我的DF被分割成不同的对象，并且它们是字符格式的，但这没有帮助。这对舞步看起来都很好。。。有什么提示吗？好像pairs文件有问题。它有一个NA。我还没有弄清楚这是如何产生的。数据看起来是正确的。我稍后再报告。好的，我想好了。由于篡改数据时的疏忽，unique列中缺少一张照片！当然了，这真是太棒了！这对大多数人来说可能是显而易见的，但是你不应该在你的对象中得到NA。我得到了一张，因为那个特定数据点的匹配被排除在独特的照片之外。仅供参考，我将此用于WildID的（自定义）分数输出。
[1,] 1 . . . . . . . . . . .
[2,] . 1 . . . . . . . . . .
[3,] . . 1 . . . . . . . . .
[4,] . . . 1 . . . . . . . .
[5,] . . . . 1 . . . . . . .
[6,] 1 . . . . 1 . . . . . .
[7,] . 1 . . . . 1 . . . . .
[8,] . . . . 1 . . 1 . . . .
[9,] . . . . . . . . 1 . . .
[10,] . . . . . . . . . 1 . .
[11,] 1 . . . . 1 . . . . 1 .
[12,] . . 1 . . . . . . . . 1
library(Matrix)
library(igraph)
# Construct an adjacency matrix, in which pairs of photos of the same
# individual are encoded with 1's
photos <- as.character(unique(DF$photo))
n <- length(photos)
pairs <- subset(DF, !is.na(matching_photo),
select = c("photo", "matching_photo"))
pairs[] <- lapply(pairs, FUN=function(X) match(X, photos))
M <- 1 * with(pairs, sparseMatrix(i = c(seq_len(n), photo),
j = c(seq_len(n), matching_photo)))
# Extract vectors of photos of the same individual
(clust <- clusters(graph.adjacency(adjmatrix=M)))
# $membership
# [1] 0 1 2 3 4 0 1 4 5 6 0 2
# $csize
# [1] 3 2 2 1 2 1 1
# $no
# [1] 7
# Process results of clustering to construct output data.frame
DF2 <- cbind(individual = clust$membership,
subset(DF, !duplicated(photo), select=c("photo", "day")))
grps <- tapply(DF2$photo, DF2$individual, paste, collapse=",")
days <- tapply(DF2$day, DF2$individual,
FUN=function(X) paste((1 * unique(DF$day) %in% X), collapse=""))
data.frame(individual = as.numeric(names(grps)), photos = grps, days=days)
# individual photos days
# 0 0 A,F,K 111
# 1 1 B,G 110
# 2 2 C,L 101
# 3 3 D 100
# 4 4 E,H 011
# 5 5 I 001
# 6 6 J 001