r - 查找列之间的一对一、一对多和多对一关系

考虑以下数据框:

 first_name last_name
1         Al     Smith
2         Al     Jones
3       Jeff  Thompson
4      Scott  Thompson
5      Terry    Dactil
6       Pete       Zah

data <- data.frame(first_name=c("Al","Al","Jeff","Scott","Terry","Pete"),
                   last_name=c("Smith","Jones","Thompson","Thompson","Dactil","Zah"))

在此数据框中，first_name 与 last_name 的关联方式有以下三种:

一对一(即 first_name 之间存在唯一关系
和姓氏)

一对多(即一个 first_name 指向多个
last_name 值)

多对一(即多个 first_name 值指向
到一个姓氏)

我希望能够快速识别三种情况中的每一种并将它们输出到数据框。因此，生成的数据帧将是:

一对一

  first_name last_name
1      Terry    Dactil
2       Pete       Zah

一对多

  first_name last_name
1         Al     Smith
2         Al     Jones

多对一

   first_name last_name
1       Jeff  Thompson
2      Scott  Thompson

我想在 dplyr 包中执行此操作。

最佳答案

通常，您可以使用 duplicated 函数检查值是否重复(如@RichardScriven 在对您的问题的评论中所述)。但是，默认情况下，此函数不会将多次出现的元素的第一个实例标记为重复:

duplicated(c(1, 1, 1, 2))
# [1] FALSE  TRUE  TRUE FALSE

由于您还想处理这些情况，您通常希望在每个向量上运行 duplicated 两次，一次向前，一次向后:

duplicated(c(1, 1, 1, 2)) | duplicated(c(1, 1, 1, 2), fromLast=TRUE)
# [1]  TRUE  TRUE  TRUE FALSE

我发现这需要大量输入，因此我将定义一个辅助函数来检查一个元素是否出现多次:

d <- function(x) duplicated(x) | duplicated(x, fromLast=TRUE)

现在你想要的逻辑都是简单的单行:

# One to one
data[!d(data$first_name) & !d(data$last_name),]
#   first_name last_name
# 5      Terry    Dactil
# 6       Pete       Zah

# One to many
data[d(data$first_name) & !d(data$last_name),]
#   first_name last_name
# 1         Al     Smith
# 2         Al     Jones

# Many to one
data[!d(data$first_name) & d(data$last_name),]
#   first_name last_name
# 3       Jeff  Thompson
# 4      Scott  Thompson

请注意，您也可以使用 d 函数在没有 duplicated 帮助的情况下定义 table:

d <- function(x) table(x)[x] > 1

虽然这个替代定义稍微简洁一些，但我也发现它不太可读。

关于r - 查找列之间的一对一、一对多和多对一关系，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/32828094/