如何在R中按多条件统计同一列内CPC的跨行关联出现次数

步骤说明 #

你的核心问题是没有限定仅统计Y02系列CPC与非Y02系列CPC的关联，且没有按专利维度生成跨组配对。以下是修正后的完整流程：

1. 准备数据与定义Y02系列CPC #

首先明确Y02系列的CPC范围，同时导入示例数据（如果你的数据框不是y，替换成实际名称即可）：

# 示例数据（替换为你的实际数据框）
y <- data.frame(
  patent_id = c(rep("xxxxxx",4), rep("yyyyyy",4)),
  CPC = c("Y02P", "H01M", "G01H", "A02A", "A01B", "Y02E", "Y02T", "Y04S")
)

# 定义Y02系列CPC列表
y02_cpcs <- c("Y02A", "Y02B", "Y02C", "Y02D", "Y02E", "Y02P", "Y02T", "Y02W", "Y04S")

2. 生成Y02与非Y02的专利内配对 #

按专利分组，拆分Y02和非Y02的CPC，生成跨组配对（确保每个Y02 CPC仅和同专利下的非Y02 CPC关联）：

library(dplyr)
library(tidyr)

pair_data <- y %>%
  group_by(patent_id) %>%
  mutate(
    is_y02 = CPC %in% y02_cpcs,
    y02_list = list(CPC[is_y02]),    # 每个专利的Y02类CPC集合
    non_y02_list = list(CPC[!is_y02]) # 每个专利的非Y02类CPC集合
  ) %>%
  slice(1) %>%  # 每个专利仅保留一行，避免重复生成配对
  unnest(y02_list) %>%
  unnest(non_y02_list) %>%
  rename(y02_cpc = y02_list, non_y02_cpc = non_y02_list) %>%
  ungroup()

3. 统计关联次数并找出最高关联CPC #

统计每个Y02 CPC对应的非Y02 CPC的共同出现次数，再筛选出每个Y02 CPC关联最多的非Y02 CPC：

# 统计关联次数
count_data <- pair_data %>%
  group_by(y02_cpc, non_y02_cpc) %>%
  summarise(assoc_count = n(), .groups = "drop")

# 找出每个Y02类的最高关联非Y02 CPC
top_assoc <- count_data %>%
  group_by(y02_cpc) %>%
  slice_max(assoc_count, n = 1, with_ties = FALSE) %>% # with_ties=FALSE表示只取一个最高值，若要保留并列可设为TRUE
  ungroup()

# 查看结果
print(top_assoc)

结果示例 #

针对你的示例数据，运行后会得到：

（注：示例数据中每个Y02 CPC仅对应一个专利的非Y02 CPC，所以次数均为1；若有更多数据，会显示实际关联次数）

内容的提问来源于stack exchange，提问作者user17563853