如何用R结合purrr的map函数创建球员同场首发次数的data.frame

嘿，刚接触网络分析就想到用purrr来处理这个需求，思路很棒！我来一步步带你实现这个球员同场首发次数的统计，完全贴合你的需求～

步骤1：整理比赛数据 #

首先我们把所有比赛的首发名单整理成一个列表，这样用purrr的map函数处理起来会非常方便：

library(purrr)
library(dplyr)

# 你的输入比赛数据
game_1 <- c("Andy","Bob","Chris","Doug","Evan")
game_2 <- c("Andy","Chris","Evan","Fred","George")

# 把所有比赛打包成一个列表
games_list <- list(game_1, game_2)

步骤2：定义单场比赛的球员对生成函数 #

我们需要一个函数，输入单场比赛的首发名单，输出这场比赛里所有的无序球员对（毕竟Andy和Bob同场，跟Bob和Andy同场是一回事）：

get_player_pairs <- function(game) {
  # 用combn生成所有2人组合，转置后转成data.frame
  combn(game, 2) %>%
    t() %>%
    as.data.frame(stringsAsFactors = FALSE) %>%
    # 对每行的两个球员排序，确保无序对的格式统一
    mutate(across(c(V1, V2), sort)) %>%
    # 重命名列名，匹配你期望的n_1、n_2
    rename(n_1 = V1, n_2 = V2)
}

步骤3：用purrr批量处理所有比赛 #

这里用map_dfr函数，它会自动把map处理后的多个data.frame合并成一个大的data.frame，省去手动合并的麻烦：

# 遍历所有比赛，生成所有场次的球员对
all_pairs <- map_dfr(games_list, get_player_pairs)

步骤4：统计同场次数并整理结果 #

最后用dplyr的分组统计功能，计算每个球员对的同场首发次数：

# 分组统计每个球员对的同场次数
final_result <- all_pairs %>%
  group_by(n_1, n_2) %>%
  summarise(games = n(), .groups = "drop")

# 查看最终结果
final_result

运行这段代码后，你会得到这样的结果（以你给的两场比赛为例）：

A tibble: 14 × 3 #

n_1 n_2 games

1 Andy Bob 1
2 Andy Chris 2
3 Andy Doug 1
4 Andy Evan 2
5 Andy Fred 1
6 Andy George 1
7 Bob Chris 1
8 Bob Doug 1
9 Bob Evan 1
10 Chris Doug 1
11 Chris Evan 2
12 Chris Fred 1
13 Chris George 1
14 Evan Fred 1

这样就完美实现了你想要的包含球员对（n_1、n_2）和同场次数（games）的data.frame啦！如果之后有更多比赛数据，只需要把新的game_x加入到games_list里就行，代码完全可以复用～

内容的提问来源于stack exchange，提问作者pssguy