互连案例的唯一 ID

Question

我有以下数据框，显示了哪些情况是相互关联的：

   DebtorId DupDebtorId
1:        1           2
2:        1           3
3:        1           4
4:        5           1
5:        5           2
6:        5           3
7:        6           7
8:        7           6

我的目标是为每组案例分配一个唯一的组 ID。期望的输出是：

   DebtorId group
1:        1     1
2:        2     1
3:        3     1
4:        4     1
5:        5     1
6:        6     2
7:        7     2

我的思路：

library(data.table)

example <- data.table(
  DebtorId = c(1,1,1,5,5,5,6,7),
  DupDebtorId = c(2,3,4,1,2,3,7,6)
)

unique_pairs <- example[!duplicated(t(apply(example, 1, sort))),] #get unique pairs of DebtorID and DupDebtorID
unique_pairs[, group := .GRP, by=.(DebtorId)] #assign a group ID for each DebtorId
unique_pairs[, num := rowid(group)]
groups <- dcast(unique_pairs, group + DebtorId ~ num, value.var = 'DupDebtorId') #format data to wide for each group ID

#create new data table with unique cases to assign group ID
newdt <- data.table(DebtorId = sort(unique(c(example$DebtorId, example$DupDebtorId))), group = NA)
newdt$group <- as.numeric(newdt$group)

#loop through the mapped groups, selecting the first instance of group ID for the case
for (i in 1:nrow(newdt)) {
  a <- newdt[i]$DebtorId
  b <- min(which(groups[,-1] == a, arr.ind=TRUE)[,1])
  newdt[i]$group <- b
}

输出：

   DebtorId group
1:        1     1
2:        2     1
3:        3     1
4:        4     1
5:        5     2
6:        6     3
7:        7     3

我的方法有两个问题：

从输出中可以看出，它无法识别案例 5 属于第 1 组；
最后的循环慢得令人痛苦，这会使它对我的原始数据中 1M 行的用例毫无用处，并且采用传统的 := 方式不适用于 which()

我不确定我的方法是否可以优化，或者是否有更好的方法。

Answer 1

此功能已存在于 igraph 中，因此如果您不需要自己动手，我们可以从您的数据框构建一个图，然后提取集群成员。 stack() 只是一种将命名向量转换为数据框的简单方法。

library(igraph)

g <- graph.data.frame(df)
df_membership <- clusters(g)$membership
stack(df_membership)
#>   values ind
#> 1      1   1
#> 2      1   5
#> 3      2   6
#> 4      2   7
#> 5      1   2
#> 6      1   3
#> 7      1   4

以上，values对应group，ind对应DebtorId。

互连案例的唯一 ID

Unique ID for interconnected cases

r

data.table