查找数据框中所有列的重复组除外

我有一个很大的数据框。出于某些目的，我需要做到以下几点：查找数据框中所有列的重复组除外

在这个数据帧

迭代上除选定列给定的数据帧的所有行

选择一列
选择此数据帧是所有行除了一个选定的列以外的所有元素相等
通过组名称是行索引的方式对它们进行分组，并且组值是重复行的索引。

我已经为此任务写了一个函数，但是由于嵌套循环它工作缓慢。我想了解一下如何改进这些代码。

假设我们有这样一个数据帧：

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

我们希望能够得到这个列表作为输出：

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

输出继电器：

$`1` 
[1] 1 

$`2` 
[1] 2 

$`3` 
[1] 1 3 

$`4` 
[1] 2 4 

$`5` 
[1] 5

下面的代码reaces目标，但它工作得太慢了。以某种方式改进它有可能吗？

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) 
}

来源

2012-12-13 annndrey

我认为你的功能有效，但你想提高速度，对不对？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我们可以验证我们的解决方案的期望输出将会很有帮助。粘贴'dput（df1）'，'dput（df2）'的输出并显示该功能的呼叫。 – Backlin

请发布样本数据和预期结果。 – Andrie

第1行如何与第3行匹配，但第3行与第1行不匹配？ – Backlin

让我们产生第一

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

然后我们遍历与lapply线的一些数据。然后将每行i与df与apply（包括其本身）的所有行进行比较。具有< = 1的行的差异返回TRUE，其他返回FALSE产生逻辑向量，我们使用which将其转换为数字向量。

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

来源

2012-12-13 12:44:47 Backlin

查找数据框中所有列的重复组除外

回答

相关问题