組み合わせ関連スクリプト

質問

組み合わせ関連スクリプト

２つの実験で得た以下（質問の一番下）のようなデータがあります。カラム１は被験者（subject）番号 (1-42)、カラム２は実験１（expt1）で各被験者が属したグループ (1-9)、カラム２は実験２（expt2）で各被験者が属したグループ (1-9)。各実験とも、４人属しているグループと５人属しているグループがあるのですが、両実験の各グループに同じ人数ずつ（４人でも３人でも２人でも１人でもいい）必要なので、何人かのデータを破棄したく、どの被験者のデータを破棄すれば（もしくはどれを残せば）両実験で各グループの被験者数が同一になるか調べたいのです。（もしかしたら以下のデータではそのようなデータ編成は不可能なのかもしれません．．．）すべての組み合わせを試すと膨大な数になってしまうので、要領よく調べられるようなスクリプトを書こうとしているのですが、どこから始めたらいいのか見当つかずです。（役に立つかわかりませんが）とりあえずブロックごとに組み合わせを生成する、Python のitertoolsを使ったコードを以下のサイトで見つけました：
http://code.activestate.com/recipes/501151-generating-combinations-in-blocks/

汎用性の乏しい質問で（しかも例を簡単にまとめられず）恐縮ですが、何か案がありましたらご教示いただければ幸いです。

シェルスクリプト、awk、それとPython（ちょこっと）が使えます。

データ（フィールドセパレータはカンマ）：
subject,expt1,expt2
1,1,1
2,1,1
3,1,2
4,1,7
5,1,9
6,2,2
7,2,2
8,2,3
9,2,3
10,2,3
11,3,3
12,3,3
13,3,4
14,3,4
15,3,8
16,4,4
17,4,4
18,4,5
19,4,5
20,4,7
21,5,5
22,5,5
23,5,6
24,5,6
25,6,6
26,6,6
27,6,7
28,6,7
29,7,4
30,7,5
31,7,8
32,7,8
33,7,8
34,8,2
35,8,8
36,8,9
37,8,9
38,8,9
39,9,1
40,9,1
41,9,6
42,9,9

回答No.2

kmee · ベストアンサー

どうせ、1回しか使わなしか使わないと思うので、無理矢理やります
このサイトの特性上、スペースでのインデントが使えない、というPythonのスクリプトを書く上での重大な問題があるので、スペースは全てアンダーバーにしました。
sed 's/_/ /g'とでもして使ってください。

#!/usr/bin/env python
from_itertools_import_combinations_as_C

dataE1=(
____(1,1,1),
____(2,1,1),
____(3,1,2),
____(4,1,7),
____(5,1,9)
____)
dataE2=(
____(6,2,2),
____(7,2,2),
____(8,2,3),
____(9,2,3),
____(10,2,3)
____)
dataE3=(
____(11,3,3),
____(12,3,3),
____(13,3,4),
____(14,3,4),
____(15,3,8)
____)
dataE4=(
____(16,4,4),
____(17,4,4),
____(18,4,5),
____(19,4,5),
____(20,4,7)
____)
dataE5=(
____(21,5,5),
____(22,5,5),
____(23,5,6),
____(24,5,6)
____)
dataE6=(
____(25,6,6),
____(26,6,6),
____(27,6,7),
____(28,6,7)
____)
dataE7=(
____(29,7,4),
____(30,7,5),
____(31,7,8),
____(32,7,8),
____(33,7,8)
____)
dataE8=(
____(34,8,2),
____(35,8,8),
____(36,8,9),
____(37,8,9),
____(38,8,9)
____)
dataE9=(
____(39,9,1),
____(40,9,1),
____(41,9,6),
____(42,9,9)
____)

for_num_in_xrange(4,0,-1):
____expt2=[0]_*_9
____for_c1_in_C(dataE1,num):
________for_dt_in_c1:_expt2[dt[2]-1]_+=1
________for_c2_in_C(dataE2,num):
____________for_dt_in_c2:_expt2[dt[2]-1]_+=1
____________for_c3_in_C(dataE3,num):
________________for_dt_in_c3:_expt2[dt[2]-1]_+=1
________________for_c4_in_C(dataE4,num):
____________________for_dt_in_c4:_expt2[dt[2]-1]_+=1
____________________for_c5_in_C(dataE5,num):
________________________for_dt_in_c5:_expt2[dt[2]-1]_+=1
________________________for_c6_in_C(dataE6,num):
____________________________for_dt_in_c6:_expt2[dt[2]-1]_+=1
____________________________for_c7_in_C(dataE7,num):
________________________________for_dt_in_c7:_expt2[dt[2]-1]_+=1
________________________________for_c8_in_C(dataE8,num):
____________________________________for_dt_in_c8:_expt2[dt[2]-1]_+=1
____________________________________for_c9_in_C(dataE9,num):
________________________________________for_dt_in_c9:_expt2[dt[2]-1]_+=1
________________________________________res=[]
________________________________________res.extend(c1)
________________________________________res.extend(c2)
________________________________________res.extend(c3)
________________________________________res.extend(c4)
________________________________________res.extend(c5)
________________________________________res.extend(c6)
________________________________________res.extend(c7)
________________________________________res.extend(c8)
________________________________________res.extend(c9)
________________________________________#_judge
________________________________________judge=True
________________________________________for_i_in_xrange(9):
____________________________________________if_expt2[i]_!=num:
________________________________________________judge=False
________________________________________________break
________________________________________if_judge_:
____________________________________________print_num,res
____________________________________________e1=[[]_for_i_in_range(9)]
____________________________________________e2=[[]_for_i_in_range(9)]
____________________________________________for_r_in_res:
________________________________________________s="%02d"_%_r[0]
________________________________________________e1[r[1]-1].append(s)
________________________________________________e2[r[2]-1].append(s)
____________________________________________for_i_in_xrange(9):
________________________________________________print_"_EX1-%d:_%s"_%_(i+1,_",".join(e1[i]))
____________________________________________for_i_in_xrange(9):
________________________________________________print_"_EX2-%d:_%s"_%_(i+1,_",".join(e2[i]))

________________________________________for_dt_in_c9:_expt2[dt[2]-1]_-=1
____________________________________for_dt_in_c8:_expt2[dt[2]-1]_-=1
________________________________for_dt_in_c7:_expt2[dt[2]-1]_-=1
____________________________for_dt_in_c6:_expt2[dt[2]-1]_-=1
________________________for_dt_in_c5:_expt2[dt[2]-1]_-=1
____________________for_dt_in_c4:_expt2[dt[2]-1]_-=1
________________for_dt_in_c3:_expt2[dt[2]-1]_-=1
____________for_dt_in_c2:_expt2[dt[2]-1]_-=1
________for_dt_in_c1:_expt2[dt[2]-1]_-=1

お礼

> どうせ、1回しか使わなしか使わないと思うので
お察しの通りです。無理矢理なコードでも何でも（笑）、助かりました！！

importの部分でImportErrorが出てしまったのですが、itertoolsのcombinationsの部分をPythonのマニュアルからコピーしてきて上記コードの"from itertools..."の行の代わりに貼り付けたらエラーなしでできました。3時間半かかりましたが、（3人～1人の）413530組の組み合わせをすべて抽出できたようです。コードの内容はこれからじっくり勉強させていただきます。エラーに関しては、itertoolsのマニュアルを見ると、combinationsは”New in version 2.6”とあり、私のはversion 2.5なので恐らくそれが原因ではないかと思っています。

ありがとうございました！！

回答No.1

noname#140045

イマイチ、私の解読力がないのかも知れませんが、上記条件だと
subject,expt1
subject,expt2
を被験者と実験を個別に関連づけ、各グループ最低4名いるのですから、5名のグループを1人破棄して4名にするだけのような気がします。

何かもっと「subject,expt1,expt2」と管理する理由があるとは思うのですが、それが書いていないような気がします。
（間違っていたら、ゴメンなさい）

補足

早速にご回答ありがとうございます。説明不足で申し訳ありません。

ご提案のように単純に５名のグループを４名にする方法だと、例えばexpt 1のグループ1は５人いるのでsubject 1を破棄したとします。そうするとexpt 1のグループ1は４名になっていいのですが、expt 2のグループ1はsubject 1が抜けたことで3名になってしまいます。つまり各グループ4人にする場合、expt1, 2とも5人いるグループに所属している人を各グループから破棄しなければなりません。expt 1グループ1の場合、subject 9しか破棄候補はありません。（地道にやってみたところ4名ずつ揃えるというのは無理そうなのですが、3名ずつもしくは2名ずつ、1名ずつでできるかどうかチェックしたいのですが、組み合わせが多すぎてスクリプトなしではとても対応しきれませんでした．．．）

この説明で補足になりましたでしょうか。