如何检查一个向量是否是列表中另一个向量的子集（subset）

Question

我浏览了类似的帖子并尝试过它们，但仍无法解决我的问题。

我有一个向量列表，如下所示：

y2 <- c(0,0,NA,0,0,0,0)
y <- c(0,0,0,NA,NA,0)
x <- c(0,0,0,0)
li <-list(y2,y,x)

我正在尝试从列表

中删除向量，如果一个精确的向量是另一个向量的子集。

例如，在我的情况下，我应该得到y2和y作为结果，并且从列表中删除x，因为x是y2的精确子集。

我编写了以下脚本，但它只给出y2作为结果，而忽略了y：

UniquePath <- function(PATHS)
{
  for(j in length(PATHS):1)
  {
    for(i in 1:length(PATHS))
    {
      if((i!=j)&(isTRUE(all(is.element(PATHS[[j]],PATHS[[i]])))))
      {
        PATHS<-PATHS[-j]
        break
      }
      else
      {
        next
      }
    }
  }
  return(PATHS)
}

- Ester Silva

---

你的意思是因为 0 在 x 中出现了四次，那么 0 在 y 或者 y2 中也应该有四次出现吗？ - Heikki

@Heikki，是的。因为x由四个零组成，而且y2也由4个零组成，所以我们丢弃x向量。 - Ester Silva

向量的顺序在列表中是否重要？ - Heikki

@EsterSilva 你能否评论一下以下数据的结果应该是什么：x <- c(0,0,0,0); y <- c(0,NA,0,0,0); y2 <- c(NA,NA,0,0,0,0); l <- list(x,y,y2)（这里的 x 是 y 的子集，y 是 y2 的子集）？ - storaged

Answer 1

我的方法是（假设你的字符串中没有“;”）

# make li unique
li <- unique(li)
# collapse each unique list element to a length-1 string surrounded by ";" 
x <- sapply(li, function(x) paste0(";", paste(x, collapse = ";"), ";"))
# check each element, if this is found somewhere in any other element
li[sapply(seq_along(x), function(i) !any(grepl(x[i], x[-i], fixed = TRUE)))]
# [[1]]
# [1]  0  0 NA  0  0  0  0
# 
# [[2]]
# [1]  0  0  0 NA NA  0

然而，看起来OP应该提供一个更大的例子，并澄清其他答案评论中提出的一些问题。

注意：在这个答案中，我定义x是y的子集，当且仅当x的确切序列在y中出现，没有任何其他元素插入其中。这是我理解这个问题的方式。

- talat

---

我发现了相同的答案，但太晚了。我会删除我的回答。我只是认为你可以把第二行缩短一点，它仍然可以工作：lapply(li,function(x)toString(x))。 - denis

@denis，我使用这两个粘贴的原因是有道理的。如果你只使用toString，结果可能会出错，因为我们只是部分匹配字符串。 - talat

我可能理解有误（抱歉！），但是为什么类似这样的东西不起作用：temp <- sapply(li, paste0, collapse = "") 和li[sapply(temp, function(x) sum(grepl(x, temp)) == 1)]？ - User2321

考虑一些不同于0的数字。然后，使用collapse = ""是没有意义的，因为您无法区分“010”条目是“0,1,0”还是“0,10”，例如。这只是该代码的一个问题。@User2321 - talat

Answer 2

我认为这可能是你正在寻找的。

uniquePath <- function(l){
  idxs <- 1:length(l)
  tmp <- lapply(l, table, useNA='always')
  l2 <- lapply(idxs, function(i){
    res <- l[[i]]
    for(j in idxs[-i]){
      if ( all(res %in% l[[j]]) & all(tmp[[i]] <= tmp[[j]])){ 
        res <- NULL; break 
      }
    }
    res
  })
  Filter(Negate(is.null), l2)
}

一些例子：

y2 <- c(0,0,NA,0,0,0,0); y <- c(0,0,0,NA,NA,0); x <- c(0,0,0,0)
li <-list(y2 = y2,y = y,x = x)
## This is your example, where x is subset of both y and y2
uniquePath(li)
# [[1]]
# [1]  0  0 NA  0  0  0  0
#
# [[2]]
# [1]  0  0  0 NA NA  0

x <- c(0,0,0,0); y <- c(0,NA,0,0,0); y2 <- c(NA,NA,0,0,0,0)
l <- list(x,y,y2)
## Here x is a subset of y and y is a subset of y2
uniquePath(l)
# [[1]]
# [1] NA NA  0  0  0  0

- storaged

Answer 3

以下使用递归函数怎么样？

# Your sample data
y2 <- c(0,0,NA,0,0,0,0)
y <- c(0,0,0,NA,NA,0)
x <- c(0,0,0,0)
li <-list(y2 = y2,y = y,x = x)

我定义了一个递归函数collapseList，如果列表条目是其他列表条目的有序子集，则递归地删除它们。

# Recursive function to collapse entries
collapseList <- function(lst) {
    s <- sapply(lst, paste, collapse = "");
    if (sum(grepl(s[1], s)) > 1) {
        lst <- lst[-1];
        collapseList(lst);
    }
    else lst;
}

根据您的示例列表输出：

# Order list by number of list elements
li <- li[order(sapply(li, length))];

li <- collapseList(li);
li;
#$y
#[1]  0  0  0 NA NA  0
#
#$y2
#[1]  0  0 NA  0  0  0  0

---

示例@存储

li <- list(
    x = c(0,0,0,0), 
    y = c(0,NA,0,0,0), 
    y2 = c(NA,NA,0,0,0,0));

li <- li[order(sapply(li, length))];
collapseList(li);
#$y
#[1]  0 NA  0  0  0
#
#$y2
#[1] NA NA  0  0  0  0

- Maurits Evers

---

据我所知，这个问题不是所有情况下都适用。请检查：x <- c(0,0,0,0); y <- c(0,NA,0,0,0); y2 <- c(NA,NA,0,0,0,0); l <- list(x,y,y2) 输出结果是一个包含两个元素的列表，其中一个元素是另一个元素的子集。 - storaged

@storaged 很可能是我误解了。但是对于你给出的例子，我最终得到了两个向量的列表（y和y2），而x被删除了。这似乎符合（我认为）OP想要的。y和y2不是彼此的子集。 - Maurits Evers

@storaged 我想我明白你的意思了。我理解OP将子集定义为完整的向量（如x = c(0, 0, 0, 0)），它是较大向量（如y2 = c(0, 0, NA, 0, 0, 0, 0)）的一部分。在这种情况下，从列表中删除较小的向量。也许OP可以澄清一下... - Maurits Evers

@storaged 是的，我同意。 - Maurits Evers

@storaged 也许你可以向原帖作者提供你的示例，并要求他澄清预期输出。 - Maurits Evers