Combinación única de frecuencias

Question

Tengo un conjunto de datos con 10 columnas. La primera columna es un identificador único. Las otras 9 columnas son atributos relacionados. Por ahora, digamos que son enteros. Si es necesario, los datos podrían pivotar fácilmente a una clave-valor.

Ex:

id|attr1|attr2|attr3|... 
a | 2 | 5 | 7 |... 
b | 3 | 1 |null |... 
c | 2 |null |null |... 
d | 1 | 2 | 5 |... 
e | 2 | 1 | 3 |... 

estoy esencialmente en busca de las combinaciones más frecuentes de cualquier longitud con al menos un par. Así que mi salida para esto sería:

unq | frequency 
1,2 | 2 
1,3 | 2 
1,5 | 1 
2,3 | 1 
2,5 | 2 
2,7 | 1 
1,2,3 | 1 
1,2,5 | 1 
2,5,7 | 1 

(lo hicieron de forma manual - así que espero que no hay errores) - a la orden del pelado, no importa. 2,5,7 = 5,2,7 = 7,5,2 etc.

¿Alguna idea? Estoy abierto a diferentes herramientas. Tengo acceso a R, excel, sql server, mysql, etc.

Excel es preferido pero no obligatorio.

Answer 1

Aquí es una solución en R:

crear los datos

x <- data.frame(
    id = letters[1:5], 
    attr1 = c(2,3,2,1,2), 
    attr2 = c(5,1,NA,2,1), 
    attr3 = c(7,NA,NA,5,3)) 
x 

    id attr1 attr2 attr3 
1 a  2  5  7 
2 b  3  1 NA 
3 c  2 NA NA 
4 d  1  2  5 
5 e  2  1  3 

crear una función para enumerar todas las combinaciones

make_combinations <- function(data, size){ 
    t1 <- apply(data[, -1], 1, function(data)unname(sort(data))) 
    t2 <- lapply(t1, function(xt){if(length(xt)>=size){combn(xt, size)}}) 
    t3 <- sapply(t2[!is.na(t2)], 
     function(chunk){if(!is.null(chunk))apply(chunk, 2, function(x)paste(x, collapse=","))}) 
    t4 <- unlist(t3) 
    t4 
} 

Crear una segunda función para contar las combinaciones

count_combinations <- function(data, nn=2:3){ 
    tmp <- unlist(lapply(nn, function(n)make_combinations(data, n))) 
    sort(table(tmp), decreasing=TRUE) 
} 

Los resultados:

count_combinations(x, 2:3) 


    1,2 1,3 2,5 1,2,3 1,2,5 1,5 2,3 2,5,7 2,7 5,7 
    2  2  2  1  1  1  1  1  1  1 

Answer 2

están sus datos Aquí, sin la columna de la id.

dfr <- data.frame(
    attr1 = c(2,3,2,1,2), 
    attr2 = c(5,1,NA,2,1), 
    attr3 = c(7,NA,NA,5,3) 
) 

Esto recupera todas las combinaciones, pero la forma de salida requiere un poco de navegación.

lapply(
    seq_len(nrow(dfr)),    #loop over rows 
    function(row) 
    { 
    lapply(
     seq_along(dfr)[-1],   #loop over lengths of combination, -1 is to ignore singletons 
     function(m) 
     { 
     combn(dfr[row, ], m) 
     } 
    ) 
    } 
)