如何计算多个R数据框的成对交集数量并自动化实现？

示例数据 #

先创建测试用的含NAME列的数据框：

df1 <- data.frame(NAME = c("A", "B", "C"))
df2 <- data.frame(NAME = c("B", "C", "D"))
df3 <- data.frame(NAME = c("A", "C", "E"))
df4 <- data.frame(NAME = c("C", "D", "F"))

实现步骤 #

1. 整理数据到命名列表 #

把所有数据框的NAME列提取出来，存入一个命名列表，方便批量操作：

df_list <- list(
  df1 = df1$NAME,
  df2 = df2$NAME,
  df3 = df3$NAME,
  df4 = df4$NAME
)

2. 自动计算两两交集计数 #

使用outer()函数批量处理所有两两组合，通过sum(x %in% y)计算交集元素数量（无需手动调用intersect()和length()）：

# 生成交集计数矩阵
intersect_matrix <- outer(
  df_list, 
  df_list, 
  Vectorize(function(x, y) sum(x %in% y))
)

# 转换为目标数据框并设置行列名
df.final <- as.data.frame(intersect_matrix)
rownames(df.final) <- names(df_list)
colnames(df.final) <- names(df_list)

最终输出 #

运行代码后得到的df.final如下：

df1 df2 df3 df4
df1   3   2   2   1
df2   2   3   1   2
df3   2   1   3   1
df4   1   2   1   3

核心逻辑说明 #

• outer()会遍历列表中所有元素对，自动完成全量两两比较
• sum(x %in% y)的效果等同于length(intersect(x, y))，但避免了手动调用两个函数，完全实现自动化

内容的提问来源于stack exchange，提问作者Workhorse