当一些元素是同义词时，如何计算唯一的元素数量

Question

我正在尝试计算此列表中唯一药物的数量。

my_drugs=c('a', 'b', 'd', 'h', 'q')

我有以下词典，它提供了药品的同义词，但它没有设置使定义仅适用于唯一的药品：

dictionary <- read.table(header=TRUE, text="
  drug   names
  a    b;c;d;x
  x    b;c;q
  r    h;g;f
  l   m;n
")

在这种情况下，列表中有两种独特的药物（因为a通过直接或间接方式具有同义词b、d、q）。 同义词的同义词算作同义词。

我的尝试方法是首先创建一个只有左侧唯一药物的字典。为此，我将循环遍历dictionary$drug，grep dictionary$drug和dictionary$synonyms，获取它们的并集并替换drug$synonyms，然后从字典中删除其他行。

bigdf=dictionary

  small_df=data.frame("drug"=NA,"names"=NA)

  for(i in 1:nrow(bigdf)){
    search_term=sprintf("*%s*",bigdf$drug[i])
    index=grep(search_term,bigdf$names)
    list=bigdf$names[index]
    list=Reduce(union,list)
    list=paste(list, collapse=";")

    if(!list==""){

    new_row=data.frame("drug"=bigdf$drug[index][1],"names"=list)
    small_df=rbind(small_df,new_row)
    #small_df
    bigdf=bigdf[-index,]
    #dim(bigdf)

    }
    else{
      new_row=data.frame("drug"=bigdf$drug[index][1],"names"="alreadycounted")
      small_df=rbind(small_df,new_row)
    }    
  }

这种方法行不通（small_df中缺少一些药物），即使可以使用，我也不确定如何使用新字典来计算列表中独特药物的数量。

我该如何统计my_drugs中独特药物的数量？

感谢你的帮助，如果需要进一步解释，请告知。

数据集大小：my_drugs中有200个元素，字典中有2000行，每个药物有10-12个同义词。

- RustlessBroom

---

如果这些名称是同义词，您可以考虑查看具有名称之间连接的网络/图形。例如 https://dev59.com/1l0a5IYBdhLWcg3wYXq8/ - Frank

Answer 1

library(igraph)
df1 = unique(data.frame(do.call(
    rbind, apply(X = dictionary,
                 MARGIN = 1,
                 FUN = function(x) t(combn(unlist(strsplit(x, ";")), 2, sort))))))
g = graph.data.frame(df1)
g2 = delete.vertices(g, unique(V(g)$name)[!unique(V(g)$name) %in% my_drugs])
clusters(g2)$no
#[1] 2

- d.b