如何从数据帧创建频率矩阵答案

【问题标题】：how to create a frequency matrix from a dataframe如何从数据帧创建频率矩阵
【发布时间】：2021-08-29 19:30:57
【问题描述】：

说我有 df:

df <- data.frame(cell = c("c1", "c1", "c2", "c3", "c4", "c5", "c6", "c7", "c8"),
                 layer = c("L1", "L2", "L1", "L2", "L3", "L3", "L4", "L4", "L3"))
> df
  cell layer
1   c1    L1
2   c1    L2
3   c2    L1
4   c3    L2
5   c4    L3
6   c5    L3
7   c6    L4
8   c7    L4
9   c8    L3

我将如何创建一个频率矩阵，如：

> table(df$cell, df$layer)
    
     L1 L2 L3 L4
  c1  1  1  0  0
  c2  1  0  0  0
  c3  0  1  0  0
  c4  0  0  1  0
  c5  0  0  1  0
  c6  0  0  0  1
  c7  0  0  0  1
  c8  0  0  1  0

但是在for循环中？我试过类似的东西：

> for(layer in unique(df$layer)){
+   df[paste(layer)] <- ifelse(df$layer == layer, 1, 0)
+ }
> df
  cell layer L1 L2 L3 L4
1   c1    L1  1  0  0  0
2   c1    L2  0  1  0  0
3   c2    L1  1  0  0  0
4   c3    L2  0  1  0  0
5   c4    L3  0  0  1  0
6   c5    L3  0  0  1  0
7   c6    L4  0  0  0  1
8   c7    L4  0  0  0  1
9   c8    L3  0  0  1  0

但它会对行进行一次加热并将其添加回原始数据帧... 我正在查看base:::table 的源代码，但找不到我感兴趣的部分。有没有办法“推”入一个空矩阵？类似：

newMat <- Matrix(0, nrow = length(unique(df$cell)), ncol=length(unique(df$layer)))
for (i in 1:length(unique(df$cell))){
  for (j in 1:length(unique(df$layer)))){
    newMat[i,j] <- ....
  }
}

只是不知道如何完成它...谢谢！预期输出，矩阵形式：

     L1 L2 L3 L4
  c1  1  1  0  0
  c2  1  0  0  0
  c3  0  1  0  0
  c4  0  0  1  0
  c5  0  0  1  0
  c6  0  0  0  1
  c7  0  0  0  1
  c8  0  0  1  0

【问题讨论】：

您还可以添加预期的输出吗？
@Cole，刚刚添加，对此感到抱歉。谢谢！
谢谢。而不是table(df$cell, df$layer)，您希望循环完成？抱歉，我知道你这么说，但大多数问题更多的是相反 - 我如何矢量化循环。
@Cole 我正在使用一些参考 python 代码，这有点相同：` # Create adjacency matrix def compute_adjacency(pairs, idx): adj = np.zeros((n, n))对于成对的配对： l, r = tuple(pair) i = idx[l] j = idx[r] adj[i,j] = 1 adj[j,i] = 1 return adj` 我不知道怎么做但是，要在 R 中执行此操作。鉴于我的数据集略有不同，我想到的最接近的是 for 循环，但对于我的情况
对不起，我对 stackoverflow 也不是很熟悉，所以最后一条评论的格式很糟糕。

标签： r dataframe matrix

【解决方案1】：

这是使用循环的一种方法：

df <- data.frame(cell = c("c1", "c1", "c2", "c3", "c4", "c5", "c6", "c7", "c8"),
                 layer = c("L1", "L2", "L1", "L2", "L3", "L3", "L4", "L4", "L3"))


cells = unique(df$cell)
layers = unique(df$layer)

res = matrix(0L, 
             nrow = length(cells),
             ncol = length(layers),
             dimnames = list(cells, layers))

for (i in seq_along(cells)) {
  cols = match(df[df$cell == cells[i], 'layer'], layers)
  res[i, cols] = 1L
}

res

##    L1 L2 L3 L4
## c1  1  1  0  0
## c2  1  0  0  0
## c3  0  1  0  0
## c4  0  0  1  0
## c5  0  0  1  0
## c6  0  0  0  1
## c7  0  0  0  1
## c8  0  0  1  0

最大的两件事是，由于我们需要多次使用唯一的cell 和layers，分配给一个变量而不是多次使用unique 可以提高性能。然后，这个match(df[df$cell == cells[i], ...]) 调用用于确定存在哪些层，以便我们可以将1 分配给它们。

注意，我根本不会这样做。我建议使用table 或某种重塑机制。

【讨论】：

使用table是因为效率更高？
应该更有效率。请注意，df$cell == cells[i] 主要是按活动分组。也就是说，如果我们直接分组，我们只会通过df$cell 向量或多或少一次。使用过滤器方法，我们通过df$cell 传递cell 的唯一元素的数量。我主要是想让每个帖子更像一个循环。
啊好吧，我明白了。谢谢！那么我会坚持使用 table()，但感谢你展示了 for 循环和 match 函数，我不知道