R语言如何基于共有元素关联实现相似实体自动合并分组

你需要的分组逻辑本质是计算无向图的连通分量：只要两个实体存在共现（出现在同一行Names字段），或者通过其他实体间接关联，就会被分到同一组。

实现思路 #

1. 拆分Names字段的多值内容，构造实体间的共现边
2. 基于共现边构建无向图，计算所有连通分量
3. 将连通分量的分组结果映射回原数据集

完整可运行代码 #

# 加载依赖包
library(tidyverse)
library(igraph)

# 原始数据生成逻辑
Names <- c(rep('James,Gordon',6)
          ,rep('Amanda',3)
          ,rep('Gordon,Amanda',8)
          ,rep('Edward,Gordon,Amanda',3)
          ,rep('Anna',3)
          ,rep('Anna,Leonard',3))
Initial_Group <- rep(1:6,c(6,3,8,3,3,3))
Final_Group <- rep(c('A','B'),c(20,6))
data <- data.frame(Names,Initial_Group,Final_Group)

# -------------- 核心分组逻辑 --------------
# 1. 生成实体共现边
edge_list <- data %>%
  mutate(id = row_number()) %>%
  separate_rows(Names, sep = ",") %>%
  group_by(id) %>%
  filter(n() >= 2) %>%
  summarise(edge = list(t(combn(Names, 2))), .groups = "drop") %>%
  unnest(edge) %>%
  select(from = edge[,1], to = edge[,2])

# 2. 建图计算连通分量
g <- graph_from_edgelist(as.matrix(edge_list), directed = FALSE)
group_map <- components(g)$membership %>%
  as.data.frame() %>%
  rownames_to_column("name") %>%
  rename(group_id = 2) %>%
  mutate(Final_Group_calc = LETTERS[group_id])

# 3. 映射回原数据
result <- data %>%
  mutate(temp_id = row_number()) %>%
  separate_rows(Names, sep = ",") %>%
  left_join(group_map, by = c("Names" = "name")) %>%
  group_by(temp_id) %>%
  summarise(
    Names = first(data$Names[temp_id]),
    Initial_Group = first(Initial_Group),
    Final_Group = first(Final_Group),
    Final_Group_calc = first(Final_Group_calc),
    .groups = "drop"
  ) %>%
  select(-temp_id)

运行后查看result数据框，计算得到的Final_Group_calc和示例里的Final_Group完全匹配。如果数据量很小不想额外安装igraph包，也可以用基础的并查集算法实现连通分量计算，核心逻辑一致。

内容的提问来源于stack exchange，提问作者KedAU