更改信息时查找唯一用户 [英] Finding Unique Users When Changing Info

问题描述

我有以下数据：

dat <- data.frame(user_id = c(101,102,102,103,103,106),
           phone_number = c(4030201, 4030201, 4030202, 4030202, 4030203, 4030204))

我要计算唯一用户。如您所见，这里有两个唯一的用户。因此，我最终想要创建的表如下：

user_id    phone_number    new_user_id 
    101         4030201              1
    102         4030201              1  
    102         4030202              1
    103         4030202              1
    103         4030203              1
    106         4030204              2

有什么想法可以用R来计算吗？或者使用不同的语言，然后我可以将代码翻译成R。

推荐答案

更新02(需要进行一些细微的调整) 我必须问两个问题才能解决这个问题。如果您经常处理这类问题，则需要学习igraph包，该包主要用于网络分析。也许有一种更简单的方法来做这件事，但目前我认为它会行得通。让我们向您介绍一下：

library(dplyr)
library(purrr)

# In the firs chunk we iterate over every row of your data set to find out
# whether there is a connection between the corresponding rows and the others

map(1:nrow(dat), function(x) {
  dat %>%
    mutate(id = row_number()) %>%
    pmap_lgl(., ~ {x <- unlist(dat[x,]); 
    any(x %in% c(...))})
}) %>%
  exec(cbind, !!!.) %>%
  as.data.frame() -> dat2

dat2 %>%
  pmap(~ sub("V", "", names(dat2))[c(...)] %>% as.numeric()) -> ids

[[1]]
[1] 1 2

[[2]]
[1] 1 2 3

[[3]]
[1] 2 3 4

[[4]]
[1] 3 4 5

[[5]]
[1] 4 5 8

[[6]]
[1] 6

[[7]]
[1] 7

[[8]]
[1] 5 8

然后我们将所有相关的id分组在一起。对于这一部分，我使用了我亲爱的朋友@Det&；@Ian Campbell提出的solutions，因为我不知道如何使用igraph。

library(igraph)

map(ids, function(a) map_int(ids, ~length(base::intersect(a, .x)) > 0) * 1L) %>% 
  reduce(rbind) %>%
  graph.adjacency() %>%
  as.undirected() %>%
  components() %>%
  pluck("membership") %>%
  split(seq_along(.), .) %>%
  map(~unique(unlist(ids[.x]))) -> grouped_ids

$`1`
[1] 1 2 3 4 5 8

$`2`
[1] 6

$`3`
[1] 7

将所有相关数据分组在一起后，我们就可以对数据集进行分组：

dat %>%
  mutate(id = row_number()) %>%
  rowwise() %>%
  mutate(grp = seq(length(grouped_ids))[map_lgl(grouped_ids, ~ id %in% .x)])

  user_id phone_number id grp
1     101      4030201  1   1
2     102      4030201  2   1
3     102      4030202  3   1
4     103      4030202  4   1
5     103      4030203  5   1
6     106      4030204  6   2
7     107      4030205  7   3
8     111      4030203  8   1

数据

structure(list(user_id = c(101, 102, 102, 103, 103, 106, 107, 
111), phone_number = c(4030201, 4030201, 4030202, 4030202, 4030203, 
4030204, 4030205, 4030203)), class = "data.frame", row.names = c(NA, 
-8L))

这篇关于更改信息时查找唯一用户的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！