如何在R数据框组间生成带筛选规则的指定格式组合

需求说明 #

从tibble数据框中，按指定分组列生成不同组之间的数值全组合，同时支持通过ind指标排除特定组，并且可以自定义组合值的连接分隔符。

示例输入 #

library(tidyverse)

df <- tibble(
  j = c("x", "x", "y", "y", "z", "z"),
  k = c(100, 300, 20, 60, 40, 35),
  ind = c(0 ,0, 0, 0, 1, 1)
)

解决方案代码 #

# 生成目标结果（适配两组情况）
result <- df %>%
  filter(ind == 0) %>%  # 排除ind=1的组
  group_split(j, .keep = FALSE) %>%  # 按分组列拆分为独立的k值集合
  {expand_grid(a = .[[1]]$k, b = .[[2]]$k)} %>%  # 生成跨组笛卡尔积
  mutate(j_k = paste(a, b, sep = "_")) %>%  # 自定义分隔符拼接
  select(j_k)

# 输出结果
result
# # A tibble: 4 × 1
#   j_k   
#   <chr> 
# 1 100_20
# 2 100_60
# 3 300_20
# 4 300_60

步骤拆解 #

• 筛选有效组：通过filter(ind == 0)剔除标记为1的组（示例中移除z组）。
• 拆分组数据：group_split(j, .keep = FALSE)将每个分组的k值单独提取为列表元素，便于后续跨组组合。
• 生成跨组组合：expand_grid对两个组的k值做笛卡尔积，得到所有可能的跨组配对。
• 自定义拼接：paste(..., sep = "_")可替换分隔符为任意字符（如"-"、"|"）。
• 整理输出：select(j_k)保留最终需要的结果列。

扩展：支持多组间两两组合 #

如果需要处理3个及以上分组，生成所有不同组之间的两两组合，可使用以下代码：

# 多组示例数据
df_multi <- tibble(
  j = c("x", "x", "y", "y", "w", "w"),
  k = c(100, 300, 20, 60, 50, 70),
  ind = c(0,0,0,0,0,0)
)

# 多组间两两组合生成
result_multi <- df_multi %>%
  filter(ind == 0) %>%
  distinct(j, k) %>%  # 确保每组k值无重复（可选）
  group_by(j) %>%
  nest() %>%  # 按组嵌套k值数据
  {combn(.$data, 2, simplify = FALSE)} %>%  # 生成所有组对组合
  map_dfr(~expand_grid(a = .x[[1]]$k, b = .x[[2]]$k) %>% mutate(j_k = paste(a, b, sep = "_"))) %>%
  select(j_k)

result_multi

内容的提问来源于stack exchange，提问作者Andre