これは私の前の質問Merging vectors of strings in a list in Rのフォローアップです
を使用して別のアプローチを試みましたdata.table。
私は次のようにdata.tableGを持っています
d <- list( c("SD1:LUSH", "SD44:CANCEL", "SD384:FR563", "SD32:TRUMPET"), c("SD23:SWITCH", "SD1:LUSH", "SD567:TREK"), c("SD42:CRAYON", "SD345:FOX", "SD183:WIRE"), c("SD345:HOLE", "SD340:DUST", "SD387:ROLL"), c("SD455:TOMATO", "SD39:MATURE"), c("SD12:PAINTING", "SD315:MONEY31", "SD387:SPRING"), c("SD32:TRUMPET", "SD1:FIELD"))
d2 <- lapply(d, function(x) sapply(strsplit(x, ":"), "[", 1))
d <- lapply(d, paste0, collapse=", ")
d2 <- lapply(d2, paste0, collapse=", ")
d <- as.data.frame(as.matrix(lapply(d, paste0, collapse=", ")))
d2 <- as.data.frame(as.matrix(lapply(d2, paste0, collapse=", ")))
d <- as.data.frame(cbind(d,d2))
colnames(d) <- c("sdw", "sd")
d$sd <- as.character(d$sd)
d$sdw <- as.character(d$sdw)
G <- data.table( d , key = "sd" )
sdw sd
1: SD1:LUSH, SD44:CANCEL, SD384:FR563, SD32:TRUMPET SD1, SD44, SD384, SD32
2: SD12:PAINTING, SD315:MONEY31, SD387:SPRING SD12, SD315, SD387
3: SD23:SWITCH, SD1:LUSH, SD567:TREK SD23, SD1, SD567
4: SD32:TRUMPET, SD1:FIELD SD32, SD1
5: SD345:HOLE, SD340:DUST, SD387:ROLL SD345, SD340, SD387
6: SD42:CRAYON, SD345:FOX, SD183:WIRE SD42, SD345, SD183
7: SD455:TOMATO, SD39:MATURE SD455, SD39
sd 列の要素に基づいて sdw 列の要素を集計しようとしています。
[1]、[2]、[7] はSD1共通です。したがって、対応する sdw 要素は一緒にマージする必要があります。また、[1]と[7]はSD1、SD32共通です。
[4] は[3] と共通のSD345と [5] と共通のSD387を持っています。したがって、[4]、[3]、および [5] の sdw 要素は一緒にマージする必要があります。
[7] は、他のベクターと共通のSD__を持たないため、そのままにしておく必要があります。
要するに、 G$sd の重複するSD__用語に基づいて G$sdw 要素を集約したい
私が探している出力は次のとおりで、3行だけです。
[1] "SD1:LUSH, SD1:FIELD, SD23:SWITCH, SD32:TRUMPET, SD44:CANCEL, SD384:FR563, SD567:TREK"
[2] "SD12:PAINTING, SD42:CRAYON, SD183:WIRE, SD340:DUST SD345:FOX, SD345:HOLE, SD387:SPRING, SD387:ROLL"
[3] "SD455:TOMATO, SD39:MATURE"
data.table私は次のようにパッケージを試しました
# Extract SDs from GN$sd
G <- G[ , list( ID = unlist( strsplit( sd , "," ) ) ) , by = list(sdw, sd) ]
G$ID <- gsub(" ", "", G$ID)
G <- data.table( G , key = "ID" )
# Merge according to common IDs
G2 <- G[, list(Gp1 = paste0(sort(unique(unlist(strsplit(sdw, split=", ")))), collapse=", "),
Gp2 = paste0(sort(unique(unlist(strsplit(sd, split=", ")))), collapse=", ")) , by = "ID"]
G2 <- data.table( G, key="Gp2")
G2 <- unique(G2)
G2
ID Gp1 Gp2
1: SD1 SD1:FIELD, SD1:LUSH, SD23:SWITCH, SD32:TRUMPET, SD384:FR563, SD44:CANCEL, SD567:TREK SD1, SD23, SD32, SD384, SD44, SD567
2: SD23 SD1:LUSH, SD23:SWITCH, SD567:TREK SD1, SD23, SD567
3: SD32 SD1:FIELD, SD1:LUSH, SD32:TRUMPET, SD384:FR563, SD44:CANCEL SD1, SD32, SD384, SD44
4: SD387 SD12:PAINTING, SD315:MONEY31, SD340:DUST, SD345:HOLE, SD387:ROLL, SD387:SPRING SD12, SD315, SD340, SD345, SD387
5: SD12 SD12:PAINTING, SD315:MONEY31, SD387:SPRING SD12, SD315, SD387
6: SD345 SD183:WIRE, SD340:DUST, SD345:FOX, SD345:HOLE, SD387:ROLL, SD42:CRAYON SD183, SD340, SD345, SD387, SD42
7: SD183 SD183:WIRE, SD345:FOX, SD42:CRAYON SD183, SD345, SD42
8: SD340 SD340:DUST, SD345:HOLE, SD387:ROLL SD340, SD345, SD387
9: SD39 SD39:MATURE, SD455:TOMATO SD39, SD455
これは、G$sd の行全体でのSD__用語の重複に基づいてのみマージできます。要素間で複数の共通用語が考慮されておらず、同じ要素が他の要素と明確な共通用語を持っていることも考慮されていません。
で目的の出力を達成する方法はありますかR。私の完全なデータセットには、そのような行が何千もあります。