如何将数据框中第一行的字符串与其他每一行进行比较并计算 R 中的不匹配数?

Question

我有一个包含数千行和列的数据框，我需要计算字符变量从第一行到每隔一行(row1–row2、row1–row3、row1–row4等(的变化，并将更改总数输出到新列中。

df <- data_frame(
a = c("1 2", "1 2", "2 2", "2 2"),
b = c("2 1", "1 2", "1 2","1 2"),
c = c("1 1", "1 2", "2 1","2 2"),
d = c("1 1", "1 1", "2 1","2 1")
)
df
a     b     c     d    
<chr> <chr> <chr> <chr>
1 1 2   2 1   1 1   1 1  
2 1 2   1 2   1 2   1 1  
3 2 2   1 2   2 1   2 1  
4 2 2   1 2   2 2   2 1

我想计算从第 1 行到第 2 行、第 1 行到第 3 行等每个元素之间的字符不匹配。所以我得到这个：

a     b     c     d   e   
1 1 2   2 1   1 1   1 1  NA #No mismatches to count since this is the first row. 
2 1 2   1 2   1 2   1 1  3 
3 2 2   1 2   2 1   2 1  5
4 2 2   1 2   2 2   2 1  6

关于如何实现这一目标的任何想法？

Answer 1

一种dplyr和purrr的方法可能是：

bind_cols(df, df %>%
mutate_all(~ strsplit(., " ", fixed = TRUE)) %>%
mutate_all(~ map2_int(.x = ., .y = .[1], ~ sum(.x != .y))) %>%
transmute(e = rowSums(select(., everything()))))
a     b     c     d         e
<chr> <chr> <chr> <chr> <dbl>
1 1 2   2 1   1 1   1 1       0
2 1 2   1 2   1 2   1 1       3
3 2 2   1 2   2 1   2 1       5
4 2 2   1 2   2 2   2 1       6

或仅使用dplyr：

bind_cols(df, df %>%
mutate_all(~ rowSums(drop(attr(adist(., first(.), count = TRUE), "counts")))) %>%
transmute(e = rowSums(select(., everything()))))

Answer 2

您可以将基本 R 矩阵与stringdist包一起使用，以获得简单、更灵活的解决方案(即，如果数据包含更复杂的字符串(：

library(stringdist)
m <- t(df)
df$e <- colSums(matrix(stringdist(m[,1], m), ncol(df)))

输出：

a     b     c     d         e
<chr> <chr> <chr> <chr> <dbl>
1 1 2   2 1   1 1   1 1       0
2 1 2   1 2   1 2   1 1       3
3 2 2   1 2   2 1   2 1       5
4 2 2   1 2   2 2   2 1       6

Answer 3

你也可以做：

library(dplyr)
library(purrr)
df %>%
mutate(e = pmap(., ~toString(c(...)) %>% charToRaw),
e = map_dbl(e, ~ sum(.x != e[[1]])))
# A tibble: 4 x 5
a     b     c     d         e
<chr> <chr> <chr> <chr> <dbl>
1 1 2   2 1   1 1   1 1       0
2 1 2   1 2   1 2   1 1       3
3 2 2   1 2   2 1   2 1       5
4 2 2   1 2   2 2   2 1       6