在R语言中识别数据框内因子组间非重叠值的方法求助

实现思路 #

针对数据框中的每个数值变量，先计算各分组的数值范围，再两两对比分组范围：若A组最大值小于B组最小值，或B组最大值小于A组最小值，则判定两组在该变量上完全非重叠，否则判定为存在重叠。最终为每个变量生成布尔矩阵，标记分组间的非重叠关系。

自定义R函数实现 #

find_non_overlapping <- function(df, group_col) {
  # 提取分组的所有水平
  groups <- levels(df[[group_col]])
  n_groups <- length(groups)
  
  # 筛选数据框中的数值型变量
  num_vars <- names(df)[sapply(df, is.numeric)]
  
  # 初始化结果列表，存储每个变量的布尔矩阵
  result_list <- list()
  
  # 遍历每个数值变量
  for (var in num_vars) {
    # 创建空布尔矩阵，行/列均对应分组水平
    overlap_mat <- matrix(FALSE, nrow = n_groups, ncol = n_groups,
                          dimnames = list(groups, groups))
    # 对角线设为NA（同一分组无需比较）
    diag(overlap_mat) <- NA
    
    # 计算每个分组的数值范围（最小值、最大值）
    group_ranges <- tapply(df[[var]], df[[group_col]], range)
    
    # 两两对比分组范围
    for (i in 1:(n_groups - 1)) {
      for (j in (i + 1):n_groups) {
        range_i <- group_ranges[[i]]
        range_j <- group_ranges[[j]]
        # 判断是否完全非重叠
        non_overlap <- (range_i[2] < range_j[1]) || (range_j[2] < range_i[1])
        overlap_mat[i, j] <- non_overlap
        overlap_mat[j, i] <- non_overlap
      }
    }
    
    # 将当前变量的矩阵加入结果列表
    result_list[[var]] <- overlap_mat
  }
  
  return(result_list)
}

测试示例（iris数据集） #

# 运行函数
iris_result <- find_non_overlapping(iris, "Species")

# 查看花瓣长度的分组非重叠情况
iris_result$Petal.Length
# 输出：
#             setosa versicolor virginica
# setosa          NA       TRUE      TRUE
# versicolor    TRUE         NA     FALSE
# virginica     TRUE      FALSE        NA

结果说明 #

• 矩阵中TRUE表示对应两组在该变量上完全无重叠，FALSE表示存在重叠，对角线NA为无效对比（同一分组）
• 示例结果符合iris数据集实际情况：setosa的花瓣长度/宽度与另外两组完全非重叠，versicolor和virginica的花瓣指标存在重叠；花萼的长度、宽度在三组间均有重叠。

内容的提问来源于stack exchange，提问作者goshawk