Zlokalizuj i scal duplikaty wierszy w data.frame, ale ignoruj ​​kolejność kolumn

Question

Mam data.frame z 1000 wierszy i 3 kolumny. Zawiera dużą liczbę duplikatów, a ja użyłem plyr, aby połączyć duplikaty wierszy i dodać liczbę dla każdej kombinacji, jak wyjaśniono w this thread.

Oto przykład tego, co mam teraz (I nadal mieć oryginalną data.frame ze wszystkich duplikatów czy muszę zacząć stamtąd):

name1 name2 name3  total 
1 Bob  Fred  Sam  30 
2 Bob  Joe  Frank  20 
3 Frank Sam  Tom  25 
4 Sam  Tom  Frank  10 
5 Fred  Bob  Sam  15 

Jednak kolejność kolumn nie materia. Chcę tylko wiedzieć, ile wierszy ma te same trzy wpisy, w dowolnej kolejności. Jak mogę połączyć wiersze zawierające te same wpisy, ignorując zamówienie? W tym przykładzie chciałbym połączyć wiersze 1 i 5 oraz wiersze 3 i 4.

Answer 1

Zdefiniuj kolejną kolumnę, która jest "posortowaną pastą" z nazwami, które miałyby taką samą wartość "Bob ~ Fred ~ Sam" dla wierszy 1 i 5. Następnie agreguj na tej podstawie.

Krótki fragment kodu (zakłada oryginalną ramkę danych to dd): to wszystko jest naprawdę intuicyjne. Tworzymy kolumnę lookup (Spójrz i powinna być oczywista), uzyskać sumy kolumny total dla każdej kombinacji, a następnie filtrować w dół do unikalnych kombinacjach ...

dd$lookup=apply(dd[,c("name1","name2","name3")],1, 
            function(x){paste(sort(x),collapse="~")}) 
tab1=tapply(dd$total,dd$lookup,sum) 
ee=dd[match(unique(dd$lookup),dd$lookup),] 
ee$newtotal=as.numeric(tab1)[match(ee$lookup,names(tab1))] 

masz teraz w ee zestaw unikalnych wierszy i odpowiadające im liczby całkowite. Łatwe - i żadne pakiety zewnętrzne nie są potrzebne. I co najważniejsze, na każdym etapie procesu widać, co się dzieje!

(Minor aktualizacja pomóc OP :) A jeśli chcesz wersję oczyszczone-up ostatecznej odpowiedzi:

outdf = with(ee,data.frame(name1,name2,name3, 
          total=newtotal,stringsAsFactors=FALSE)) 

Daje to schludny ramkę danych z trzech najważniejszy kolumnach imię, a z zagregowanymi sumami w kolumnie o nazwie total zamiast newtotal.

Answer 2

Sortuj indeks kolumny, a następnie użyć ddply do agregowania i suma:

Określ dane:

dat <- " name1 name2 name3  total 
1 Bob  Fred  Sam  30 
2 Bob  Joe  Frank  20 
3 Frank Sam  Tom  25 
4 Sam  Tom  Frank  10 
5 Fred  Bob  Sam  15" 

x <- read.table(text=dat, header=TRUE) 

utworzyć kopię:

xx <- x 

Zastosowanie apply na sortowanie, następnie agreguj:

xx[, -4] <- t(apply(xx[, -4], 1, sort)) 
library(plyr) 
ddply(xx, .(name1, name2, name3), numcolwise(sum)) 
    name1 name2 name3 total 
1 Bob Frank Joe 20 
2 Bob Fred Sam 45 
3 Frank Sam Tom 35