通过除某一列外的所有列，在数据框中查找重复组。

Question

我有一个大的数据框，出于某些目的，我需要执行以下操作：

• 选择此数据框中的一列
• 遍历给定数据框除所选列之外的所有行
• 选择此数据框中除一个选择的列外所有元素相等的行
• 通过组名称是行索引，组值是重复行的索引来分组它们。

我已经为此任务编写了一个函数，但由于嵌套循环，它运行缓慢。我希望能得到一些关于如何改进这段代码的想法。

假设我们有这样一个数据框：

  V1 V2 V3 V4
1  1  2  1  2
2  1  2  2  1
3  1  1  1  2
4  1  1  2  1
5  2  2  1  2

我们希望将以下列表作为输出：

diff.dataframe("V2", conf.new, conf.new)

输出：

$`1`
[1] 1

$`2`
[1] 2

$`3`
[1] 1 3

$`4`
[1] 2 4

$`5`
[1] 5

以下代码达到了目标，但速度太慢了。有没有办法改进它？

diff.dataframe <- function(param, df1, df2){
  excl.names <- c(param)
  df1.excl <- data.frame(lapply(df1[, !names(df1) %in% excl.names], as.character), stringsAsFactors=FALSE)
  df2.excl <- data.frame(lapply(df2[, !names(df2) %in% excl.names], as.character), stringsAsFactors=FALSE)
  list.out <- list()

  for (i in 1:nrow(df1.excl)){
     for (j in 1:nrow(df2.excl)){
        if (paste(df1.excl[i,],collapse='') == paste(df2.excl[j,], collapse='')){
          if (!as.character(i) %in% unlist(list.out)){                                                                                                                             
            list.out[[as.character(i)]] <- c(list.out[[as.character(i)]], j)                                                                                                       
          }
        }
     }
  }
  return(list.out)
}

- annndrey

---

我理解你的函数是可以工作的，但你想要提高速度，对吗？不过我无法弄清楚如何运行它，所以如果你能提供一个小的示例数据集和期望的输出，那将会很有帮助，这样我们就可以验证我们的解决方案。请粘贴 dput(df1)、dput(df2) 的输出，并展示函数的调用。 - Backlin

请发布样本数据和期望结果。 - Andrie

第一行为什么与第三行匹配，但第三行却不与第一行匹配？ - Backlin

Answer 1

首先让我们生成一些数据

df <- as.data.frame(matrix(sample(2, 20, TRUE), 5))

# Produces df like this
  V1 V2 V3 V4
1  2  1  1  1
2  2  1  2  2
3  1  1  2  2
4  1  2  1  1
5  1  2  1  1

我们使用 lapply 循环遍历每一行。然后使用 apply 将每一行 i 与 df 的所有行（包括它自己）进行比较。差异小于等于1的行返回 TRUE，其他行返回 FALSE，生成一个逻辑向量，我们使用 which 将其转换为数值向量。

lapply(1:nrow(df), function(i)
    apply(df, 1, function(x) which(sum(x != df[i,]) <= 1)))

# Produces output like this
[[1]]
[1] 1

[[2]]
[1] 2 3

[[3]]
[1] 2 3

[[4]]
[1] 4 5

[[5]]
[1] 4 5

- Backlin