3

Necesito estimar todas las combinaciones de pares posibles de una lista de datos en R introducir la descripción de la imagen aquí

Por ejemplo, para A (Columna 1), necesito estimar las diferencias z-x, z-y y x-y y sus casos inversos. Quiero decir, debería volver: -10, -20, -30 y 10, 20 y 30 para los casos inversos. Y luego necesito estimar todas las combinaciones de pares posibles para B y C siguiendo la explicación para A. Además, comparto un enlace con un archivo de Excel con mi ejemplo. Ejemplo en Excel [Ejemplo en Excel] [2] Le agradezco de antemano su tiempo y ayuda.

   [2]: http://www.filedropper.com/example_1

1
  • 1
    Bienvenido Calfiao a Stack Overflow en español, te sugiero que hagas el recorrido de bienvenida y de paso ganes tu primer medalla, también es muy importante que leas Cómo preguntar para poder mejorar tu pregunta y que sea bien recibida por la comunidad mejorando tus chances de obtener buenas respuestas.. Commented el 11 mar. 2019 a las 15:39

2 respuestas 2

1

Si pudieras usar tidyverse es relativamente sencillo resolverlo. Veamos tu ejemplo (renombre las columnas, para escribir menos):

df <- data.frame(C1=c('A','A','A','B','B','B','B','C','C'),
                 C2=c('z','x','y','z','x','w','v','z','v'),
                 C3=c(10,20,40,60,70,10,20,60,90),
                 stringsAsFactors = FALSE)

La idea es agrupar por C1 y generar las combinaciones de los valores de C2 por cada grupo, lo cual eventualmente expandirá la cantidad de filas, luego por cada combinación, deberemos ubicar el valor de los dos elementos y restarlos:

library(tidyverse)

df %>% 
    # Agrupamos por C1 y generamos todas las combinaciones de 
    # 2 elementos de cada grupo
    group_by(C1) %>% 
    # Filtramos solo los grupos que tengan más de un elemnto
    filter(n() > 1) %>% 
    do(data.frame(t(combn(.$C2, 2)), stringsAsFactors = FALSE)) %>% 
    # Left join con el df original para obtener los dos valores
    # para generar la resta
    left_join(df, by=c("C1" = "C1", "X1" = "C2")) %>% 
    left_join(df, by=c("C1" = "C1", "X2" = "C2")) %>% 
    mutate(resta = C3.x - C3.y)


# A tibble: 10 x 6
# Groups:   C1 [3]
   C1    X1    X2     C3.x  C3.y resta
   <chr> <chr> <chr> <dbl> <dbl> <dbl>
 1 A     z     x        10    20   -10
 2 A     z     y        10    40   -30
 3 A     x     y        20    40   -20
 4 B     z     x        60    70   -10
 5 B     z     w        60    10    50
 6 B     z     v        60    20    40
 7 B     x     w        70    10    60
 8 B     x     v        70    20    50
 9 B     w     v        10    20   -10
10 C     z     v        60    90   -30

Con R base, también podrías llegar a resolverlo, aunque la solución es un poco menos clara:

# Generamos las combinaciones                 
# Solo de los grupos con al menos dos elemntos
do.call(rbind, lapply(split(df, df$C1), {
    function(x) if (length(x$C2) > 1) data.frame(group = x$C1[1], t(combn(x$C2, 2)))
})) -> combinaciones

# Nuevo data.frame combinando el original con sus combinaciones
merge(
    merge(combinaciones, df, by.x=c("group", "X1"), by.y=c("C1", "C2")),
    df, by.x=c("group", "X2"), by.y=c("C1", "C2")
    ) -> n_df

# Hacemos la resta
n_df$resta = n_df$C3.x - n_df$C3.y 
n_df
9
  • Excelente @Patricio Moracho. En el ejemplo funciona perfectamente, te lo agradezco muchísimo. Sin embargo cuando quiero usarlo con mis datos reales (alrededor de 4000, con distintas combinaciones de C1, C2 y C3) me da el siguiente error: error in combn(x$C2, 2) : n < m
    – Calfiao
    Commented el 12 mar. 2019 a las 20:02
  • @Calfiao, Es por que hay grupos que tienen solo un elemento, por lo que obviamente no se pueden generar las combinaciones. ¿Que correspondería hacer en estos casos? Commented el 12 mar. 2019 a las 20:11
  • muchas gracias. La verdad que debería eliminarlos ya que no me servirían.
    – Calfiao
    Commented el 12 mar. 2019 a las 20:30
  • Cómo podría hacerlo? Podrás orientarme?
    – Calfiao
    Commented el 12 mar. 2019 a las 20:31
  • @Calfiao, si vale eliminarlos es más sencillo, hay que agregar un verbo filter() para quitar los grupos que sean de un solo valor. Revisa mi última edición. Commented el 12 mar. 2019 a las 20:57
1

Una forma de hacerlo es con un autojoin por grupos, de ese modo quedan armadas todas las combinaciones de las demás variables dentro de cada grupo. Después se eliminan los cruces de la misma categoría de C2(que darían 0 en la resta) y se restan las dos versiones de C2, correspondientes al lado izquierdo (.x) y al lado derecho (.y) del join. Al final etiquetamos cada cruce, para identificarlo fácil.

library(tidyverse)
left_join(df, df, by = "C1") %>% 
  filter(C2.x != C2.y) %>% 
  mutate(cruce = paste0(C1, ": ",C2.x, "-", C2.y), 
         diferencia = C3.x - C3.y)

C1 C2.x C3.x C2.y C3.y  cruce diferencia
 A    z   10    x   20 A: z-x        -10
 A    z   10    y   40 A: z-y        -30
 A    x   20    z   10 A: x-z         10
 A    x   20    y   40 A: x-y        -20
 A    y   40    z   10 A: y-z         30
 A    y   40    x   20 A: y-x         20
 B    z   60    x   70 B: z-x        -10
 B    z   60    w   10 B: z-w         50
 B    z   60    v   20 B: z-v         40
 B    x   70    z   60 B: x-z         10
 B    x   70    w   10 B: x-w         60
 B    x   70    v   20 B: x-v         50
 B    w   10    z   60 B: w-z        -50
 B    w   10    x   70 B: w-x        -60
 B    w   10    v   20 B: w-v        -10
 B    v   20    z   60 B: v-z        -40
 B    v   20    x   70 B: v-x        -50
 B    v   20    w   10 B: v-w         10
 C    z   60    v   90 C: z-v        -30
 C    v   90    z   60 C: v-z         30

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.