R: сопоставление двух столбцов для восстановления порядка наблюдений (история пометки-повторного захвата)

Сложность здесь заключается в том, чтобы найти те группы фотографий, которые принадлежат одному и тому же человеку. Если животное на фотографии A совпадает с животным на фотографии G, а фотография L совпадает с фотографией G, вам нужен алгоритм, который распознает фотографии A, G и L как связанные.

Это классическая проблема в анализе сетей, поэтому я обратился к пакету igraph, который называет себя пакетом для «сетевого анализа и визуализации». Он включает в себя функцию clusters(), которая будет извлекать связанные кластеры из «матриц смежности», матриц, которые кодируют связи между узлами и выглядят так:

 [1,] 1 . . . . . . . . . . .
 [2,] . 1 . . . . . . . . . .
 [3,] . . 1 . . . . . . . . .
 [4,] . . . 1 . . . . . . . .
 [5,] . . . . 1 . . . . . . .
 [6,] 1 . . . . 1 . . . . . .
 [7,] . 1 . . . . 1 . . . . .
 [8,] . . . . 1 . . 1 . . . .
 [9,] . . . . . . . . 1 . . .
[10,] . . . . . . . . . 1 . .
[11,] 1 . . . . 1 . . . . 1 .
[12,] . . 1 . . . . . . . . 1

Приведенная выше матрица — это матрица смежности для ваших данных. 12 строк и столбцов представляют 12 фотографий, A-L. Фотографии одного и того же животного отмечены цифрой 1. Другие ячейки отмечены точками, а не 0, потому что это на самом деле специальное представление, разработанное для разреженных матриц и предоставляемое пакетом Matrix. (Я выбрал это представление на случай, если у вас огромный набор данных: nlarge фотографий создадут матрицу с nlarge^2 ячейками, что может привести к перегрузке памяти вашего компьютера.)

В приведенном ниже коде первый фрагмент строит матрицу смежности, второй извлекает кластеры фотографий для каждого животного, а третий фрагмент объединяет результаты в требуемой форме.

library(Matrix)
library(igraph)

# Construct an adjacency matrix, in which pairs of photos of the same  
# individual are encoded with 1's
photos <- as.character(unique(DF$photo))
n <- length(photos)
pairs <- subset(DF, !is.na(matching_photo), 
                select = c("photo", "matching_photo"))
pairs[] <- lapply(pairs, FUN=function(X) match(X, photos))
M <- 1 * with(pairs, sparseMatrix(i = c(seq_len(n), photo), 
                                  j = c(seq_len(n), matching_photo)))

# Extract vectors of photos of the same individual
(clust <- clusters(graph.adjacency(adjmatrix=M)))
# $membership
#  [1] 0 1 2 3 4 0 1 4 5 6 0 2
# $csize
# [1] 3 2 2 1 2 1 1
# $no
# [1] 7

# Process results of clustering to construct output data.frame
DF2 <- cbind(individual = clust$membership, 
             subset(DF, !duplicated(photo), select=c("photo", "day")))
grps <- tapply(DF2$photo, DF2$individual, paste, collapse=",")
days <- tapply(DF2$day, DF2$individual, 
               FUN=function(X) paste((1 * unique(DF$day) %in% X), collapse=""))
data.frame(individual = as.numeric(names(grps)), photos = grps, days=days)
#   individual photos days
# 0          0  A,F,K  111
# 1          1    B,G  110
# 2          2    C,L  101
# 3          3      D  100
# 4          4    E,H  011
# 5          5      I  001
# 6          6      J  001