डेटा टेबल या igraph का उपयोग करके समूह द्वारा तत्काल पड़ोसी खोजें

14

मेरे पास एक डेटा है ।

groups <- data.table(group = c("A", "B", "C", "D", "E", "F", "G"), 
                     code_1 = c(2,2,2,7,8,NA,5),
                     code_2 = c(NA,3,NA,3,NA,NA,2),
                     code_3 = c(4,1,1,4,4,1,8))

group code_1 code_2 code_3
  A      2     NA      4
  B      2      3      1
  C      2     NA      1
  D      7      3      4
  E      8     NA      4
  F     NA     NA      1
  G      5      2      8

मैं क्या हासिल करना चाहूंगा, प्रत्येक समूह के लिए उपलब्ध कोड के आधार पर तत्काल पड़ोसियों को ढूंढना है। उदाहरण के लिए: Group A में तत्काल पड़ोसी समूह B है, C के कारण code_1 (code_1 सभी समूहों में 2 के बराबर है) और उनके पास तत्काल पड़ोसी समूह D, E है, जिसके कारण code_3 (कोड_3 उन सभी समूहों में 4 के बराबर है)।

मैंने कोशिश की कि प्रत्येक कोड के लिए, मैचों के आधार पर पहला कॉलम (समूह) सब्मिट करें जो निम्नानुसार है:

groups$code_1_match = list()
for (row in 1:nrow(groups)){

  set(groups, i=row, j="code_1_match", list(groups$group[groups$code_1[row] == groups$code_1]))
}

  group code_1 code_2 code_3          code_1_match
    A      2     NA      4              A,B,C,NA
    B      2      3      1              A,B,C,NA
    C      2     NA      1              A,B,C,NA
    D      7      3      4                  D,NA
    E      8     NA      4                  E,NA
    F     NA     NA      1 NA,NA,NA,NA,NA,NA,...
    G      5      2      8                  NA,G

यह "थोड़े" काम करता है, लेकिन मुझे लगता है कि ऐसा करने का एक अधिक डेटा टेबल प्रकार है। मैंने कोशिश की

groups[, code_1_match_2 := list(group[code_1 == groups$code_1])]

लेकिन यह काम नहीं करता है।

क्या मुझे इससे निपटने के लिए कुछ स्पष्ट डेटा टेबल ट्रिक याद आ रही है?

मेरा आदर्श मामला परिणाम इस तरह दिखाई देगा (जिसे वर्तमान में सभी 3 कॉलमों के लिए मेरी विधि का उपयोग करना होगा और फिर परिणामों को संक्षिप्त करना होगा):

group code_1 code_2 code_3    Immediate neighbors
  A      2     NA      4         B,C,D,E
  B      2      3      1         A,C,D,F
  C      2     NA      1         A,B,F
  D      7      3      4           B,A
  E      8     NA      4           A,D
  F     NA     NA      1           B,C
  G      5      2      8
r  data.table  igraph 
— User2321
स्रोत
Igraph का उपयोग करके किया जा सकता है।
— zx8754
1
मेरा उद्देश्य एक आसन्न मैट्रिक्स बनाने के लिए igraph के परिणाम को खिलाना है। अगर मुझे कुछ कार्यक्षमता याद आ रही है, जो ऐसा करेगी तो कृपया मुझे इसके बारे में बताएं, यह वास्तव में उपयोगी होगा!
— उपयोगकर्ता 2321
1
@ zx8754 कृपया एक समाधान को शामिल करने पर विचार करें igraph, यह वास्तव में दिलचस्प हो सकता है।
— tmfmnk
@tmfmnk ने पोस्ट किया, हालांकि यह सोचने का एक बेहतर igraph तरीका हो सकता है।
— zx8754

जवाबों:

10

इग्राफ का उपयोग करके , 2 डिग्री पड़ोसी प्राप्त करें, संख्यात्मक नोड ड्रॉप करें, शेष नोड्स पेस्ट करें।

library(data.table)
library(igraph)

# reshape wide-to-long
x <- melt(groups, id.vars = "group")[!is.na(value)]

# convert to graph
g <- graph_from_data_frame(x[, .(from = group, to = paste0(variable, "_", value))])

# get 2nd degree neighbours
x1 <- ego(g, 2, nodes = groups$group)

# prettify the result
groups$res <- sapply(seq_along(x1), function(i) toString(intersect(names(x1[[ i ]]),
                                                                   groups$group[ -i ])))

#    group code_1 code_2 code_3        res
# 1:     A      2     NA      4 B, C, D, E
# 2:     B      2      3      1 A, C, D, F
# 3:     C      2     NA      1    A, B, F
# 4:     D      7      3      4    B, A, E
# 5:     E      8     NA      4       A, D
# 6:     F     NA     NA      1       B, C
# 7:     G      5      2      8

और जानकारी

यह हमारा डेटा igraph ऑब्जेक्ट में परिवर्तित करने से पहले कैसा दिखता है। हम यह सुनिश्चित करना चाहते हैं कोड 2 मान 2 के साथ कोड 2 से अलग है, आदि।

x[, .(from = group, to = paste0(variable, "_", value))]
#     from       to
#  1:    A code_1_2
#  2:    B code_1_2
#  3:    C code_1_2
#  4:    D code_1_7
#  5:    E code_1_8
#  6:    G code_1_5
#  7:    B code_2_3
#  8:    D code_2_3
#  9:    G code_2_2
# 10:    A code_3_4
# 11:    B code_3_1
# 12:    C code_3_1
# 13:    D code_3_4
# 14:    E code_3_4
# 15:    F code_3_1
# 16:    G code_3_8

यहां बताया गया है कि हमारा नेटवर्क कैसा दिखता है: यहां छवि विवरण दर्ज करें

ध्यान दें कि A..Gनोड्स हमेशा के माध्यम से जुड़े होते हैं code_x_y। इसलिए हमें 2 डिग्री प्राप्त करने की आवश्यकता है, ego(..., order = 2)हमें पड़ोसियों को 2 डिग्री पड़ोसियों को शामिल करने की अनुमति देता है, और एक सूची ऑब्जेक्ट लौटाता है।

नाम पाने के लिए:

lapply(x1, names)
# [[1]]
# [1] "A"        "code_1_2" "code_3_4" "B"        "C"        "D"        "E"       
# 
# [[2]]
# [1] "B"        "code_1_2" "code_2_3" "code_3_1" "A"        "C"        "D"        "F"       
# 
# [[3]]
# [1] "C"        "code_1_2" "code_3_1" "A"        "B"        "F"       
# 
# [[4]]
# [1] "D"        "code_1_7" "code_2_3" "code_3_4" "B"        "A"        "E"       
# 
# [[5]]
# [1] "E"        "code_1_8" "code_3_4" "A"        "D"       
# 
# [[6]]
# [1] "F"        "code_3_1" "B"        "C"       
# 
# [[7]]
# [1] "G"        "code_1_5" "code_2_2" "code_3_8"

परिणाम के बारे में बताने के लिए, हमें code_x_yनोड्स और मूल नोड (1 नोड) को हटाने की आवश्यकता है

sapply(seq_along(x1), function(i) toString(intersect(names(x1[[ i ]]), groups$group[ -i ])))
#[1] "B, C, D, E" "A, C, D, F" "A, B, F"    "B, A, E"    "A, D"       "B, C"       ""
— zx8754
स्रोत
इग्राफ में विशेषज्ञ होने के बिना, यह वास्तव में अजीब लगता है। यह काम करने लगता है :) अगर मैं इसे सही ढंग से समझता हूं तो यह एक ग्राफ बनाता है जहां कोड तत्काल पड़ोसी होते हैं और फिर यह वास्तविक तत्काल पड़ोसियों को उस ग्राफ से दूसरे पड़ोसी के रूप में पाता है?
— User2321
@ User2321 ने और जानकारी जोड़ी, उम्मीद है कि यह स्पष्ट है।
— zx8754
1
@ User2321 btw विशेषज्ञ बिल्कुल नहीं, बस igraph समस्याओं को हल करने के लिए कभी कभी की तरह। फिर भी किसी बेहतर तरीके का सुझाव देने के लिए किसी विशेषज्ञ की प्रतीक्षा की जा रही है।
— zx8754
1
हाँ, मैं केवल मामले में एक इनाम देने पर विचार कर रहा हूँ। लेकिन चलो 2 दिनों में देखते हैं :)
— User2321
7

इसे प्राप्त करने का कुछ और व्यावहारिक तरीका है, लेकिन आप कुछ इस तरह से कर सकते हैं, जैसे कि पिघला कर और जोड़कर:

mgrp <- melt(groups, id.vars = "group")[!is.na(value)]
setkey(mgrp, variable, value)
for (i in seq_along(groups$group)) {
  let = groups$group[i]
  set(
    groups, 
    i = i, 
    j = "inei", 
    value = list(mgrp[mgrp[group == let], setdiff(unique(group), let)])
  )
}

groups
#    group code_1 code_2 code_3    inei
# 1:     A      2     NA      4 B,C,D,E
# 2:     B      2      3      1 A,C,D,F
# 3:     C      2     NA      1   A,B,F
# 4:     D      7      3      4   B,A,E
# 5:     E      8     NA      4     A,D
# 6:     F     NA     NA      1     B,C
# 7:     G      5      2      8
— sindri_baldur
स्रोत
5

यह @ sindri_baldur के मेल्ट से प्रेरित है। यह समाधान:

  1. समूहों को पिघला देता है
  2. एक कार्टेशियन सेल्फ-ज्वाइन करता है।
  3. सभी समूहों के साथ मिलकर पास्ट करता है।
  4. मूल DT में वापस शामिल हो जाता है
library(data.table)
#> Warning: package 'data.table' was built under R version 3.6.2
groups <- data.table(group = c("A", "B", "C", "D", "E", "F", "G"), code_1 = c(2,2,2,7,8,NA,5), code_2 = c(NA,3,NA,3,NA,NA,2), code_3=c(4,1,1,4,4,1,8))

molten_grps = melt(groups, measure.vars = patterns("code"), na.rm = TRUE)

inei_dt = molten_grps[molten_grps,
            on = .(variable, value),
            allow.cartesian = TRUE
            ][,
              .(inei = paste0(setdiff(i.group, .BY[[1L]]), collapse = ", ")),
              by = group]

groups[inei_dt, on = .(group), inei := inei]

groups
#>     group code_1 code_2 code_3       inei
#>    <char>  <num>  <num>  <num>     <char>
#> 1:      A      2     NA      4 B, C, D, E
#> 2:      B      2      3      1 A, C, D, F
#> 3:      C      2     NA      1    A, B, F
#> 4:      D      7      3      4    B, A, E
#> 5:      E      8     NA      4       A, D
#> 6:      F     NA     NA      1       B, C
#> 7:      G      5      2      8
— गोभी
स्रोत
5

Zx8754 से उल्लेख किया है, का उपयोग कर के रूप में data.table::meltके साथ combnऔर उसके बादigraph::as_adjacency_matrix

library(data.table)
df <- melt(groups, id.vars="group", na.rm=TRUE)[,
    if (.N > 1L) transpose(combn(group, 2L, simplify=FALSE)), value][, (1) := NULL]

library(igraph)
as_adjacency_matrix(graph_from_data_frame(df, FALSE))

उत्पादन:

7 x 7 sparse Matrix of class "dgCMatrix"
  A B C E D G F
A . 1 1 1 1 1 .
B 1 . 2 . 1 1 1
C 1 2 . . . 1 1
E 1 . . . 1 1 .
D 1 1 . 1 . . .
G 1 1 1 1 . . .
F . 1 1 . . . .

या बिना उपयोग के igraph

x <- df[, unique(c(V1, V2))]
df <- rbindlist(list(df, data.table(x, x)))
tab <- table(df)   #or xtabs(~ V1 + V2, data=df)
ans <- t(tab) + tab
diag(ans) <- 0L
ans

उत्पादन:

   V1
V2  A B C D E F G
  A 0 1 1 1 1 0 1
  B 1 0 2 1 0 1 1
  C 1 2 0 0 0 1 1
  D 1 1 0 0 1 0 0
  E 1 0 0 1 0 0 1
  F 0 1 1 0 0 0 0
  G 1 1 1 0 1 0 0
— chinsoon12
स्रोत
1
चरण के xtabsसमान आउटपुट बना सकता है igraph?
— कोल
यह एक बहुत ही उपयोगी और (मेरी आँखों के लिए) सुरुचिपूर्ण जवाब है, धन्यवाद!
— User2321
@Cole, हाँ का उपयोग कर सकते हैं tableयाxtabs
— chinsoon12
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.