如何用R实现data frame中二进制变量组合的可扩展计数

a+b 2
a+c 0
a+d 0
a+e 0
a+f 1
a+b+c 0
a+b+d 0
a+b+e 1
a+b+f 0
a+c+d 1
a+c+e 0
...
a+b+c+d+e 1
...
a+b+c+d+e+f 1
...

# 解决方案
核心逻辑是：先将每个个体的特征转换为对应的组合字符串，再生成所有可能的特征组合，最后统计每个组合的出现次数（未出现的组合补0）。以下是基于`tidyverse`的实现方案：

## 方法一：全tidyverse流程
```r
library(tidyverse)

# 1. 提取特征列名（排除id列）
feature_cols <- names(example_data)[-1]

# 2. 生成每个个体的特征组合字符串（过滤无特征的个体）
individual_combs <- example_data %>%
  rowwise() %>%
  mutate(
    combination = paste0(feature_cols[c_across(all_of(feature_cols)) == 1], collapse = "+")
  ) %>%
  pull(combination) %>%
  discard(~ .x == "") # 若需要保留"无特征"的组合，删除此行

# 3. 生成所有可能的非空特征组合
all_possible_combs <- map(1:length(feature_cols), function(k) {
  combn(feature_cols, k, paste0, collapse = "+")
}) %>%
  unlist()

# 4. 统计次数并补全所有组合的计数
combination_counts <- tibble(combination = individual_combs) %>%
  count(combination, name = "count") %>%
  right_join(tibble(combination = all_possible_combs), by = "combination") %>%
  mutate(count = replace_na(count, 0)) %>%
  arrange(str_length(combination), combination) # 按组合长度+字母顺序排序

方法二：结合base R简化 #

如果觉得map+combn的写法繁琐，也可以用base R生成所有组合，再用tidyverse完成统计：

library(tidyverse)

feature_cols <- names(example_data)[-1]

# 生成所有非空特征组合
all_combs <- unlist(lapply(seq_along(feature_cols), function(k) {
  apply(combn(feature_cols, k), 2, paste, collapse = "+")
}))

# 统计并补全计数
combination_counts <- example_data %>%
  rowwise() %>%
  mutate(comb = paste(feature_cols[c_across(-id) == 1], collapse = "+")) %>%
  filter(comb != "") %>% # 若需要保留"无特征"组合，删除此行
  count(comb) %>%
  right_join(tibble(combination = all_combs), by = c("comb" = "combination")) %>%
  rename(combination = comb) %>%
  mutate(count = replace_na(count, 0)) %>%
  arrange(str_length(combination), combination)

关键说明 #

• 代码支持任意数量的特征列，无需手动编码组合，完全可扩展
• 如果需要统计“无任何特征”的个体，只需移除代码中过滤空字符串的行即可
• 最终结果按组合长度（单个特征→多特征）和字母顺序排序，与示例输出格式一致

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