我有以下小题，
contact <- tribble(
~name, ~phone, ~email,
'John', 123, '[email protected] /cdn-cgi/l/email-protection',
'John', 456, '[email protected] /cdn-cgi/l/email-protection',
'John', 456, '[email protected] /cdn-cgi/l/email-protection',
'John', 789, '[email protected] /cdn-cgi/l/email-protection'
)
如果电话或电子邮件相同，我想合并电话号码和电子邮件，所需的输出如下，
contact_combined <- tribble(
~name, ~phone, ~email,
'John', '123;456', '[email protected] /cdn-cgi/l/email-protection;[email protected] /cdn-cgi/l/email-protection',
'John', '789', '[email protected] /cdn-cgi/l/email-protection'
)
我尝试先按姓名和电话进行分组，然后按姓名和电子邮件进行分组，但它没有给我预期的结果。我一直在寻找一种算法方法来解决这个问题，有人可以给我建议吗？
注意：列中值的折叠不是这里的问题。这是关于选择要折叠的记录。
图表可以帮助解决这个问题。
library(igraph)
# creates a matrix which tells whether pairs of vector elements are equal or not
equal_mat <- function(x) {
outer(x, x, '==')
}
m.adj <- equal_mat(contact$phone) | equal_mat(contact$email)
g <- graph_from_adjacency_matrix(m.adj, mode='undir')
t(sapply(split(contact, components(g)$membership), function(group)
sapply(group, function(column)
paste(sort(unique(column)), collapse=';')))) %>%
as_tibble()
# # A tibble: 2 × 3
# name phone email
# <chr> <chr> <chr>
# 1 John 123;456 [email protected] /cdn-cgi/l/email-protection;[email protected] /cdn-cgi/l/email-protection
# 2 John 789 [email protected] /cdn-cgi/l/email-protection
You can think of your original contacts as a graph, i.e. a set of vertices, one for each row in contact, which are connected by edges if two contacts have the same phone number or email. In your case the graph looks like this, plot(g):
触点 1-3 形成一个连接组件，而没有连接的触点 4 是另一个组件。每个这样的组件都应该合并到最终输出中的一个联系人中。
我们从邻接矩阵创建图m.adj告诉哪些顶点（节点）已连接，并且使用以下方式识别图组件
components(g)$membership
[1] 1 1 1 2
这准确地告诉了我们上面看到的内容：触点 1-3 构成组件 1，触点 4 是组件 2。现在我们可以折叠每个组件内的值。