Повторяющиеся строки в фрейме данных в R с использованием «правила математической комбинации» на основе количества допустимых значений для определенных переменных

Question

У меня есть такой фрейм данных, и я хотел бы вставить новые строки в каждую строку таким образом, чтобы каждая строка была как бы дублирована исходной строке на основе правила математической комбинации появления переменных типа T'значения, и я также хотел бы избавиться от оригинальных строк.Таким образом, новые строки будут хранить значения столбцов не T-типа (ID, P1, P2), но будут изменять значения переменных T-типа, имеющих значения только в столбцах T1 и T2, столько раз, сколько требуется для комбинации, так что для 3(например, a, b, c) допустимые значения в одной строке переменных типа T, комбинация будет 3 (ab, ac, bc), но для 4 (например, a, b, c, d) это будет 6 (ab,ac, ad, bc, bd, cd) и т. д. Это означает вставку 3, 6 новых строк).

ID = c(1, 2, 3, 4, 5, 6, 7)
P1= c(10, 20, 30, NA, 19, 31, NA)
P2= c(8, NA,25,34,71,11,NA)
T1 = c("a", "a1", "e1", "d1", "a3", "f1", "f2") 
T2 = c("b", "b1", "a1", "b2", "a4", "f1", "f3")
T3 = c("c", "c1", "c1", "d2", "k1", "a4", "f9")
T4 = c( NA, "d1", "f2", "b3", "c1", "b3", "f5")
T5 = c( NA, NA, NA, NA, "d6", "a4", "f6")
T6 = c( NA, NA, NA, NA, "f4",  NA, "f7") 
T7 = c(NA, NA, NA, NA, NA, NA, "c1")
T8 = c(NA, NA, NA, NA, NA, NA, "c8")
T9 = c(NA, NA, NA, NA, NA, NA, "f1")
T10= c(NA, NA, NA, NA, NA, NA, "k3")

df1 <- data.frame(ID, P1, P2, T1, T2, T3, T4, T5, T6, T7, T8, T9, T10)

Вот так будет выглядеть первая пара строк моего нового набора данных (вычисленная из первых 2 строк исходного фрейма данных):

ID = c(1, 1, 1, 2, 2, 2, 2, 2, 2)
P1= c(10, 10, 10, 20, 20, 20, 20, 20, 20)
P2= c(8, 8,8,NA,NA,NA,NA, NA, NA)
T1 = c("a","a", "b", "a1", "a1", "a1", "b1", "b1", "c1") 
T2 = c("b","c", "c", "b1", "c1", "d1", "c1", "d1", "d1")
T3 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA)
T4 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA)
T5 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA)
T6 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA) 
T7 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA)
T8 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA)
T9 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA)
T10= c(NA, NA, NA, NA, NA, NA, NA, NA, NA)

df2 <- data.frame(ID, P1, P2, T1, T2, T3, T4, T5, T6, T7, T8, T9, T10)

Этомне кажется очень сложным, было бы проще вставить только одну строку, используя более простое правило.Мне только удалось выяснить, как рассчитать комбинации, формула которых: (n * (n-1)) / 2, где n - число допустимых значений типа T в строке.Любая помощь будет оценена, спасибо.

Answer 1

Первоначально это не было написано с учетом data.table, так как это требование появилось позже, и поэтому просто конвертирует data в data.frame перед обработкой. Должен быть более подходящий способ сделать это DT.

---

Вероятно, не самое эффективное решение, списав его со счетов, но, похоже, оно соответствует вашим требованиям.

Пример набора данных

library(data.table)

df1 <- structure(list(ID=c(1, 2, 3, 4, 5, 6, 7), P1=c(10, 20, 30,
  NA, 19, 31, NA), P2=c(8, NA, 25, 34, 71, 11, NA), T1=c("a",
  "a1", "e1", "d1", "a3", "f1", "f2"), T2=c("b", "b1", "a1",
  "b2", "a4", "f1", "f3"), T3=c("c", "c1", "c1", "d2", "k1",
  "a4", "f9"), T4=c(NA, "d1", "f2", "b3", "c1", "b3", "f5"),
  T5=c(NA, NA, NA, NA, "d6", "a4", "f6"), T6=c(NA, NA, NA, NA,
  "f4", NA, "f7"), T7=c(NA, NA, NA, NA, NA, NA, "c1"), T8=c(NA,
  NA, NA, NA, NA, NA, "c8"), T9=c(NA, NA, NA, NA, NA, NA, "f1"),
  T10=c(NA, NA, NA, NA, NA, NA, "k3")), row.names=c(NA, -7L),
  class=c("data.table", "data.frame"),
  .internal.selfref=NULL)

Функции

per_row_comb_fun <- function(rownumber, data, tcol) {
    rowi <- data[rownumber,]
    naix <- is.na(rowi)
    comb <- t(combn(rowi[!naix & tcol], 2))
    nrwc <- nrow(comb)
    nwdf <- rowi[rep(1, nrwc),]
    nwdf[,tcol] <- NA
    nwdf[,which(tcol)[1:2]] <- comb
    nwdf
}

comb_fun <- function(data, prefix="T") {
    data <- as.data.frame(data)
    rownumbers <- 1:nrow(data)
    ptrn <- paste0("^", prefix, "[0-9]+$")
    tcol <- grepl(ptrn, colnames(data))
    cmbl <- lapply(rownumbers, per_row_comb_fun, data=data, tcol=tcol)
    do.call(rbind, cmbl)
}

comb_fun(head(df1, 4))

#     ID P1 P2 T1 T2 T3 T4 T5 T6 T7 T8 T9 T10
# 1    1 10  8  a  b NA NA NA NA NA NA NA  NA
# 1.1  1 10  8  a  c NA NA NA NA NA NA NA  NA
# 1.2  1 10  8  b  c NA NA NA NA NA NA NA  NA
# 2    2 20 NA a1 b1 NA NA NA NA NA NA NA  NA
# 2.1  2 20 NA a1 c1 NA NA NA NA NA NA NA  NA
# 2.2  2 20 NA a1 d1 NA NA NA NA NA NA NA  NA
# 2.3  2 20 NA b1 c1 NA NA NA NA NA NA NA  NA
# 2.4  2 20 NA b1 d1 NA NA NA NA NA NA NA  NA
# 2.5  2 20 NA c1 d1 NA NA NA NA NA NA NA  NA
# 3    3 30 25 e1 a1 NA NA NA NA NA NA NA  NA
# 3.1  3 30 25 e1 c1 NA NA NA NA NA NA NA  NA
# 3.2  3 30 25 e1 f2 NA NA NA NA NA NA NA  NA
# 3.3  3 30 25 a1 c1 NA NA NA NA NA NA NA  NA
# 3.4  3 30 25 a1 f2 NA NA NA NA NA NA NA  NA
# 3.5  3 30 25 c1 f2 NA NA NA NA NA NA NA  NA
# 4    4 NA 34 d1 b2 NA NA NA NA NA NA NA  NA
# 4.1  4 NA 34 d1 d2 NA NA NA NA NA NA NA  NA
# 4.2  4 NA 34 d1 b3 NA NA NA NA NA NA NA  NA
# 4.3  4 NA 34 b2 d2 NA NA NA NA NA NA NA  NA
# 4.4  4 NA 34 b2 b3 NA NA NA NA NA NA NA  NA
# 4.5  4 NA 34 d2 b3 NA NA NA NA NA NA NA  NA

Вот альтернативная, намного более легкая и быстрая версия, которая устраняет пустые T-столбцы и полностью жесткая с порядком столбцов.

cfun <- function(data, prefix="T") {
    data <- as.data.frame(data)
    patrn <- paste0("^", prefix, "[0-9]+$")
    tcol <- grepl(patrn, colnames(data))
    na.rm <- function(x) x[!is.na(x)]
    fcomb <- function(x) t(combn(na.rm(x), 2))
    combs <- apply(data[, tcol], 1, fcomb)
    rreps <- data[rep(1:nrow(data), lengths(combs)/2), !tcol]
    combs <- do.call(rbind, combs)
    cbind(rreps, combs)
}

cfun(head(df1, 4))
#     ID P1 P2  1  2
# 1    1 10  8  a  b
# 1.1  1 10  8  a  c
# 1.2  1 10  8  b  c
# 2    2 20 NA a1 b1
# 2.1  2 20 NA a1 c1
# 2.2  2 20 NA a1 d1
# 2.3  2 20 NA b1 c1
# 2.4  2 20 NA b1 d1
# 2.5  2 20 NA c1 d1
# 3    3 30 25 e1 a1
# 3.1  3 30 25 e1 c1
# 3.2  3 30 25 e1 f2
# 3.3  3 30 25 a1 c1
# 3.4  3 30 25 a1 f2
# 3.5  3 30 25 c1 f2
# 4    4 NA 34 d1 b2
# 4.1  4 NA 34 d1 d2
# 4.2  4 NA 34 d1 b3
# 4.3  4 NA 34 b2 d2
# 4.4  4 NA 34 b2 b3
# 4.5  4 NA 34 d2 b3

Answer 2

Предыдущий ответ не работал с данными класса data.table. Таким образом, изменяя код, предоставленный @AkselA, мы разработали решение, которое работает с типом data.table (в качестве альтернативы вы можете изменить класс ваших данных на data.frame, и первый код будет работать). (Обратите внимание, что «NameofColumn» относится к имени тех столбцов, к которым вы хотите применить комбинацию, и вы должны использовать в коде имя, которое является одинаковым для каждого из этих столбцов и за которым следует число (см. пример в фиктивном фрейме данных).

per_row_comb_fun <- function(rownumber, data, tcol) {
  rowi <- data[rownumber,]
  rowil <- as.list(rowi)
  naix <- is.na(rowil)
  comb <- as.data.frame(t(combn(rowil[!naix & tcol], 2)))
  nrwc <- nrow(comb)
  nwdf <- rowi[rep(1, nrwc),]
  nwdf[,which(tcol)] <- NA
  nwdf[,which(tcol)[1:2]] <- comb
  nwdf
}

comb_fun <- function(data) {
  rownumbers <- 1:nrow(data)
  tcol <- grepl("^NameofColumn[0-9]+$", colnames(data))
  df1.l <- lapply(rownumbers, per_row_comb_fun, data=data, tcol=tcol)
  do.call(rbind, df1.l)
}

YourData_output <- comb_fun(data=YourData)