我有 2 個獨立創建/收集的 ID 列。我試圖通過根據兩個 ID 列中的任何一個確定哪些行是同一相關組 id 的一部分，將這兩個 ID 列合并為一個列。我會根據一些規則考慮相關的行：1：如果一個LOAN在多行中具有相同的值，則它們屬于同一個組（示例中僅供參考）。我稱之為loan_group。這里沒有問題。2：如果一個 COLLATERAL 在多行中具有相同的值，則它們屬于臨時組。我稱它為lateral_group（與#1 相同的規則。）這里沒有問題。3：最后，我不確定如何準確表達這一點，但任何時候屬于同一組的值之間存在重疊（跨貸款和抵押列），這些組應該進一步合并。例如：df <- data.frame('LOAN' = c('L1', 'L2', 'L5', 'L2', 'L6', 'L7', 'L8'), 'COLLATERAL' = c('C1', 'C1', 'C8', 'C4', 'C8', 'C9', 'C4'))df$laon_group <- as.numeric(factor(df$LOAN))df$collateral_group <- as.numeric(factor(df$COLLATERAL))df$final_grouping <- NALOAN COLLATERAL loan_group collateral_group final_grouping---- ----------- ---------- ---------------- --------------L1 C1* 1 1 **1**L2** C1* 2 1 **1**L5 C8 3 2 2L2** C4*** 2 3 **1**L6 C8 4 2 2L7 C9 5 4 3L8 C4*** 6 3 **1***因為第 1 行和第 2 行的值都為 C1，所以它們將被分配到相同的最終分組中**因為第 2 行的 LOAN 值為 L2，這意味著我們可以為第 4 行分配“1”的最終分組，因為該行可以通過 L2/C1 鏈接鏈接回第 1 行***最后，因為第 4 行包含 COLLATERAL 值 C4，這意味著我們可以在合并的最終分組中包含第 7 行。該行可以通過 L2/C4 和 L2/C1 鏈接鏈接回第一行該數據集大約是 15m 個獨特的 LOAN + COLLATERAL 組合。在某些邊緣情況下，這些組可能會交叉幾千個（可能 +1 萬個）ID。我在 BQ 測試一些解決方案時遇到了一些資源問題，包括我原來的問題中的建議，這就是為什么我想嘗試在 R/Python 中執行此操作
1 回答
天涯盡頭無女友
TA貢獻1831條經驗 獲得超9個贊
如果您將此視為圖形問題，則可以執行以下操作：
library(igraph)
g <- make_empty_graph(directed = FALSE, n = nrow(tab))
for (loan_id in unique(tab$loan)) {
loan_idx = which(tab$loan == loan_id)
if (length(loan_idx) >= 2) {
g <- g + path(loan_idx)
}
}
for (collateral_id in unique(tab$collateral)) {
collateral_idx = which(tab$collateral == collateral_id)
if (length(collateral_idx) >= 2) {
g <- g + path(collateral_idx)
}
}
tab$grouping = components(g)$membership
即，您制作一個圖表并在具有匹配貸款或抵押品 ID 的任何行之間添加邊。我不確定這是如何優化的，因為forR 中的循環很少是正確的答案。
輸出與您的預期輸出匹配：
> tab
loan collateral loan_group collateral_group final grouping
1 L1 C1 1 1 1 1
2 L2 C1 2 1 1 1
3 L5 C8 3 2 2 2
4 L2 C4 2 3 1 1
5 L6 C8 4 2 2 2
6 L7 C9 5 4 3 3
7 L8 C4 6 3 1 1
添加回答
舉報
0/150
提交
取消