按相关实体对数据框进行分组

Question

我有一个数据框，其中包含（除了其他字段外）id号码和cust账户：

 ID  Cust_acc
 1     22
 1     33
 2     33
 3     44
 4     44
 4     55 

如您所见，一个账户可以拥有多个id，同样一个id也可以对应多个账户。

我希望将数据分成不同的相关组，以便所有相关的实体都在同一组中（这样我就可以在同一个地方处理所有相关的 账户和id）。

因此，在我的例子中，我想要得到2个组：

# first
    ID  Cust_acc
     1     22
     1     33
     2     33

# second
    ID  Cust_acc
     3     44
     4     44
     4     55  

感谢您的帮助！

- staove7

---

你如何定义相关？ - Roman Luštrik

根据我的示例定义，如果您对该组有“一个”连接，则应该加入该组；即，如果“id”有2个“账户”，则它们应该在同一组中。然后，如果其中一个“账户”有其他“id”，他也应该在其中（以此类推，直到完成）。 - staove7

我认为这需要igraph。 - akrun

@akrun 我在一个封闭的环境中工作 :( ... 添加新包需要很长时间.. 你能想到其他的做法吗？ - staove7

Answer 1

使用igraph将更容易实现。将data.frame转换为graph对象（'g1'），从clusters中提取membership，根据'ID'列子集化membership的names，创建分组变量以split原始数据集。

library(igraph)
g1 <- graph.data.frame(df1)
cl <- clusters(g1)$membership
split(df1, cl[names(cl) %in% df1$ID][df1$ID])
$`1`
#  ID Cust_acc
#1  1       22
#2  1       33
#3  2       33

#$`2`
#  ID Cust_acc
#4  3       44
#5  4       44
#6  4       55

数据

df1 <- structure(list(ID = c(1L, 1L, 2L, 3L, 4L, 4L), Cust_acc = c(22L, 
33L, 33L, 44L, 44L, 55L)), .Names = c("ID", "Cust_acc"), 
 class = "data.frame", row.names = c(NA, 
-6L))

- akrun

---

太棒了！（我在我的私人电脑上使用样本数据框进行了检查）非常感谢 :) - staove7

在您的允许下，我会投票给其他答案，因为我在评论中写道，我不想使用igraph。此外，我想问您一件事：您的代码如何知道仅考虑ID和Cust_acc？即，我添加了另一列与Cust_acc共享常见值，但它并没有影响您的代码分组。提前感谢您的回答。 - staove7

抱歉打扰您了...我正在尝试在我的数据集上使用igraph，但是当我运行代码时，只得到了一个组。我检查了过程，似乎问题出在cl[names(cl) %in% df1$ID][df1$ID]这一行，因为它给了我一些NA值。您能告诉我这是为什么吗？ - staove7

@staove7 我不确定。根据我发布的数据，它对我来说运行良好。 - akrun

@staove7 或许你想要一个非 igraph 的解决方案，可以尝试使用以下代码：i1 <- with(df2, match(Customer_IP, unique(Customer_IP))); cl[names(cl) %in% df2$Customer_IP][i1]。 - akrun

Answer 2

要仅使用基本的 R 语言实现此操作，需要创建一个分组变量，然后使用 split 函数进行拆分。

group = 1
for(i in 2:nrow(df)){
    if (df$ID[i] %in% df$ID[1:(i-1)]) {
        group[i] = group[which(df$ID == df$ID[i])[1]]
    }else if (df$Cust_acc[i] %in% df$Cust_acc[1:(i-1)]) {
        group[i] = group[which(df$Cust_acc == df$Cust_acc[i])[1]]
    }else{
        group[i] = max(group) + 1
    }
}

split(df, group)    
#1`
#  ID Cust_acc
#1  1       22
#2  1       33
#3  2       33

#$`2`
#  ID Cust_acc
#4  3       44
#5  4       44
#6  4       55

- d.b

---

太棒了！非常感谢。 - staove7