Question

我有一个包含10列的数据集。第一列是唯一标识符。其他9列是相关属性。现在，让我们说它们是整数。如果需要，可以轻松地将数据转换为键值。

例如：

id|attr1|attr2|attr3|...
a |  2  |  5  |  7  |...
b |  3  |  1  |null |...
c |  2  |null |null |...
d |  1  |  2  |  5  |...
e |  2  |  1  |  3  |...

我基本上寻找任何长度的最频繁组合，至少有一对。所以我的输出是：

unq   | frequency
1,2   | 2
1,3   | 2
1,5   | 1
2,3   | 1
2,5   | 2
2,7   | 1
1,2,3 | 1
1,2,5 | 1
2,5,7 | 1

（手动完成 - 所以希望没有错误） - 配对顺序无关紧要。 2,5,7 = 5,2,7 = 7,5,2 etc.

有什么想法？我对不同的工具持开放态度。我可以访问R，excel，sql server，mysql等。

Excel是首选，但不是必需的！

Answer 1

这是R中的解决方案：

重新创建数据

x <- data.frame(
    id = letters[1:5],
    attr1 = c(2,3,2,1,2),
    attr2 = c(5,1,NA,2,1),
    attr3 = c(7,NA,NA,5,3))
x

  id attr1 attr2 attr3
1  a     2     5     7
2  b     3     1    NA
3  c     2    NA    NA
4  d     1     2     5
5  e     2     1     3

创建一个列出所有组合的功能

make_combinations <- function(data, size){
  t1 <- apply(data[, -1], 1, function(data)unname(sort(data)))
  t2 <- lapply(t1, function(xt){if(length(xt)>=size){combn(xt, size)}})
  t3 <- sapply(t2[!is.na(t2)], 
      function(chunk){if(!is.null(chunk))apply(chunk, 2, function(x)paste(x, collapse=","))})
  t4 <- unlist(t3)
  t4
}

创建第二个函数来计算组合

count_combinations <- function(data, nn=2:3){
  tmp <- unlist(lapply(nn, function(n)make_combinations(data, n)))
  sort(table(tmp), decreasing=TRUE)
}

结果：

count_combinations(x, 2:3)


  1,2   1,3   2,5 1,2,3 1,2,5   1,5   2,3 2,5,7   2,7   5,7 
    2     2     2     1     1     1     1     1     1     1

Answer 2

这是您的数据，没有id列。

dfr <- data.frame(
  attr1 = c(2,3,2,1,2), 
  attr2 = c(5,1,NA,2,1), 
  attr3 = c(7,NA,NA,5,3)
)

这将检索所有组合，但输出表单需要进行一些导航。

lapply(
  seq_len(nrow(dfr)),              #loop over rows
  function(row) 
  {
    lapply(
      seq_along(dfr)[-1],          #loop over lengths of combination, -1 is to ignore singletons
      function(m) 
      {
        combn(dfr[row, ], m)
      }
    )
  }
)

独特的组合频率

2 个答案: