У меня есть таблица SQL, которая отображает, скажем, авторов и книги. Я хотел бы сгруппировать связанных авторов и книги (книги, написанные одним и тем же автором, и авторов, которые совместно написали книгу) и выяснить, насколько велики эти группы. Например, если Ю.К. Роулинг написала в соавторстве с Джунот Диаз, а Джанот Диаз - в соавторстве с Зади Смитом, тогда я бы хотел, чтобы все три автора были в одной группе.

Вот набор игрушечных данных (Мэтью Доул) с некоторыми из отношений, о которых я говорю:

set.seed(1)
authors <- replicate(100,sample(1:3,1))
book_id <- rep(1:100,times=authors)
author_id <- c(lapply(authors,sample,x=1:100,replace=FALSE),recursive=TRUE)
aubk <- data.table(author_id = author_id,book_id = book_id)
aubk[order(book_id,author_id),]

Здесь видно, что авторы 27 и 36 совместно написали книгу 2, поэтому они должны быть в одной группе. То же самое для авторов 63 и 100 для 3; и D, F и L для 4. И так далее.

Я не могу придумать хороший способ сделать это, кроме цикла for, который (как вы можете догадаться) является медленным. Я попробовал немногоdata.table чтобы избежать ненужного копирования. Есть ли лучший способ сделать это?

aubk$group <- integer(dim(aubk)[1])
library(data.table)
aubk <- data.table(aubk)
#system.time({
for (x in 1:dim(aubk)[1]) {
    if(identical(x,1)) {
        value <- 1L
    } else {
        sb <- aubk[1:(x-1),]
        index <- match(aubk[x,author_id],sb[,author_id])
        if (identical(index,NA_integer_)) {
            index <- match(aubk[x,book_id],sb[,book_id])
            if (identical(index,NA_integer_)) {
                value <- x
            } else {
                value <- aubk[index,group]
            }
        } else {
            value <- aubk[index,group]
        }
    }
    aubk[x,group:=value]
}
#})

EDIT: Как упоминали @Josh O'Brien и @thelatemail, моя проблема также может быть сформулирована как поиск связанных компонентов графа из списка из двух столбцов, где каждое ребро - строка, а два столбца - это связанные узлы.