在 R 向量中查找重复的大量元素-解网

问：

我想知道是否有一种简单的方法可以在多个向量（两个或多个）中找到所有重复的向量元素（一个或多个）。

例如，给定以下字符向量：

France <- c("John", "Michael" , "Bob", "Oliver")
Italy <- c("Hugo", "Oliver", "Soren", "Jackson", "John")
Spain <- c("Joseph", "David", "Bob", "John", "Leo", "Michael")
Austria <- c("Oliver", "Giovanni", "Luka")

我想说的是：

“约翰和奥利弗前往法国和意大利”，以及 “John、Michael 和 Bob 前往法国和西班牙”，以及 “奥利弗去过法国、意大利和奥地利”

我正在考虑使用二进制矩阵来解析它，使用行作为名称和列作为国家/地区，然后遍历，但我认为它的计算成本很高，我正在寻找一种使用可用方法的有效方法。

R 矢量 iGraph

欢迎来到 StackOverflow！似乎有一个相当标准的稀疏矩阵表示。考虑所有关于推荐系统的文献：（许多）客户和（甚至更多）产品的矩阵。在这里，您可以只使用行（或列，取决于其布局方式）总和。如果你使用密集矩阵（如果你的数据具有足够低的基数），那么它就更简单了。

答：

1赞 MrFlick 11/3/2023 #1

您可以在 igraph 库的一些帮助下执行此操作。例如，首先让我们重塑数据

France <- c("John", "Michael" , "Bob", "Oliver")
Italy <- c("Hugo", "Oliver", "Soren", "Jackson", "John")
Spain <- c("Joseph", "David", "Bob", "John", "Leo", "Michael")
Austria <- c("Oliver", "Giovanni", "Luka")

pairs <- stack(tibble::lst(France, Italy, Spain, Austria))
head(pairs)
#    values    ind
# 1    John France
# 2 Michael France
# 3     Bob France
# 4  Oliver France
# 5    Hugo  Italy
# 6  Oliver  Italy

然后让图表提供帮助

library(igraph)
adjm <- pairs |>
  graph_from_data_frame(directed=FALSE) |>
  as_adjacency_matrix()

adjm[rownames(adjm) %in% pairs$values, colnames(adjm) %in% pairs$ind]
#          France Italy Spain Austria
# John          1     1     1       0
# Michael       1     0     1       0
# Bob           1     0     1       0
# Oliver        1     1     0       1
# Hugo          0     1     0       0
# Soren         0     1     0       0
# Jackson       0     1     0       0
# Joseph        0     0     1       0
# David         0     0     1       0
# Leo           0     0     1       0
# Giovanni      0     0     0       1
# Luka          0     0     0       1

1赞 Onyambu 11/3/2023 #2

my_list = list(France =France, Italy = Italy, Spain = Spain, Austria = Austria)

table(stack(my_list))

          ind
values     France Italy Spain Austria
  Bob           1     0     1       0
  David         0     0     1       0
  Giovanni      0     0     0       1
  Hugo          0     1     0       0
  Jackson       0     1     0       0
  John          1     1     1       0
  Joseph        0     0     1       0
  Leo           0     0     1       0
  Luka          0     0     0       1
  Michael       1     0     1       0
  Oliver        1     1     0       1
  Soren         0     1     0       0

1赞 jblood94 11/3/2023 #3

对于诸如“约翰和奥利弗前往法国和意大利”之类的陈述，您正在寻找最大两边形的集合。

library(igraph)

trips <- list(France = France, Italy = Italy, Spain = Spain, Austria = Austria)
m <- 1L - table(stack(trips))
g <- complementer(graph_from_incidence_matrix(m))
cl <- max_cliques(g)
lapply(cl[vapply(cl, \(x) (s <- sum(x > nrow(m))) > 1L && s < length(x), FALSE)], sort)
#> [[1]]
#> + 4/16 vertices, named, from ffcf6aa:
#> [1] Oliver  France  Italy   Austria
#> 
#> [[2]]
#> + 4/16 vertices, named, from ffcf6aa:
#> [1] John   Oliver France Italy 
#> 
#> [[3]]
#> + 4/16 vertices, named, from ffcf6aa:
#> [1] John   France Italy  Spain 
#> 
#> [[4]]
#> + 5/16 vertices, named, from ffcf6aa:
#> [1] Bob     John    Michael France  Spain

上一个：iGraph R 中的合约顶点保留所有节点属性？

下一个：如何生成一个随机有向循环图，每个节点都有定义的“平均”边数？（在 R 语言中）

在 R 向量中查找重复的大量元素

Finding repeated bulk of elements in R vectors

评论