我有一个如下所示的数据集：

它显示了哪家商店卖了哪些书。

df <- tribble( ~shop,  ~book_id,    "A",       1,        "B",       1,        "C",       2,        "D",       3,        "E",       3,        "A",       3,        "B",       4,        "C",       5,        "D",       1,      )

在数据集中，

• 商店A卖1、3
• 商店B卖1、4
• 商店C卖2、5
• 商店D卖3、1
• 商店E只卖3

所以现在，我想计算这里的雅卡尔指数。例如，我们以商店A和商店B为例。A和B销售了三种不同的书（书1、书3、书4）。然而，只有一种产品是被两家商店都销售的（这是产品1）。所以，这里雅卡尔指数应该是33.3% (1/3)。

这是所需数据的样本：

df <- tribble(  ~shop_1, ~shop_2, ~similarity,      "A",    "B",         33.3,      "B",    "A",         33.33,    "A",    "C",          0,    "C",    "A",          0,    "A",    "D",         100,    "D",    "A",         100,    "A",    "E",          50,    "E",    "A",          50,)

任何评论/帮助都非常感激！提前谢谢。

回答：

我不知道是否有专门的包，但你可以编写自己的函数。我猜你说的相似性是指类似这样的东西：

similarity <- function(x, y) {  k <- length(intersect(x, y))  n <- length(union(x, y))  k / n}

然后你可以使用tidyr::crossing来合并相同的数据框与自身

dfg <- df %>% group_by(shop) %>% summarise(books = list(book_id))crossing(dfg %>% set_names(paste0, "_A"), dfg %>% set_names(paste0, "_B")) %>%   filter(shop_A != shop_B) %>%   mutate(similarity = map2_dbl(books_A, books_B, similarity))