骨料基于无序对

Question

我有一个数据集看起来像这样列的数据帧：

 id1 id2 size 
1 5400 5505  7 
2 5033 5458  1 
3 5452 2873  24 
4 5452 5213  2 
5 5452 4242  26 
6 4823 4823  4 
7 5505 5400  11 

凡id1和id2是在图形独特的节点，size是分配给一个值指导边缘连接它们从id1到id2。这个数据集相当大（超过200万行）。我想要做的是总结大小列，按照无序节点对的id1和id2分组。例如，在第一行中，我们有id1=5400和id2=5505。数据框中存在另一行id1=5505和id2=5400。在分组数据中，这两行的大小列的总和将被添加到单个行中。换句话说，我想总结一下（无序）（id1，id2）集合中的数据。我已经找到了一种方法来使用apply这个自定义函数来检查整个数据集中的反向列对，但是这种工作极其缓慢。有谁知道以另一种方式做到这一点的方式，或许与plyr或基础包中的某些东西更有效？

Answer 1

一种方法是创建pmax和pmin的id1和id2的额外列，如下所示。我将在这里使用data.table解决方案。

require(data.table) 
DT <- data.table(DF) 
# Following mnel's suggestion, g1, g2 could be used directly in by 
# and it could be even shortened by using `id1` and id2` as their names 
DT.OUT <- DT[, list(size=sum(size)), 
     by=list(id1 = pmin(id1, id2), id2 = pmax(id1, id2))] 
#  id1 id2 size 
# 1: 5400 5505 18 
# 2: 5033 5458 1 
# 3: 5452 2873 24 
# 4: 5452 5213 2 
# 5: 5452 4242 26 
# 6: 4823 4823 4 

Answer 2

的另一种方法：

R> library(igraph) 
R> DF 
    id1 id2 size 
1 5400 5505 7 
2 5033 5458 1 
3 5452 2873 24 
4 5452 5213 2 
5 5452 4242 26 
6 4823 4823 4 
7 5505 5400 11 
R> g <- graph.data.frame(DF, directed=F) 
R> g <- simplify(g, edge.attr.comb="sum", remove.loops=FALSE) 
R> DF <- get.data.frame(g) 
R> DF 
    id1 id2 size 
1 5400 5505 18 
2 5033 5458 1 
3 5452 2873 24 
4 5452 5213 2 
5 5452 4242 26 
6 4823 4823 4