R data.table 按两列分组和迭代

Question

我是 R 新手，正在尝试解决以下问题：

有一个表，其中包含两列 books 和 readers 这些书籍，其中 books 和 readers 分别是书籍和读者 ID：

> books = c (1,2,3,1,1,2)
> readers = c(30, 10, 20, 20, 10, 30)
> bt = data.table(books, readers)
> bt
   books readers
1:     1      30
2:     2      10
3:     3      20
4:     1      20
5:     1      10
6:     2      30

对于每一对书，我需要使用以下算法计算阅读这两本书的读者人数：

for each book
  for each reader of the book
    for each other_book in books of the reader
      increment common_reader_count ((book, other_book), cnt)

为了实现上述算法，我需要将这些数据分成两个列表：1）包含每本书的读者的图书列表和 2）包含每个读者阅读的图书的读者列表，例如：

> bookList = list( 
+ list(1, list(30, 20, 10)),
+         list(2, list(10, 30)),
+         list(3, list(20))
+       )
> 
> readerList = list (
+ list(30, list(1,2)),
+ list(20, list(3,1)),
+ list(10, list(2,1))
+ )
>  

问题：

1) 使用什么函数从书表中构建这些列表？

2) 从bookList 和readerList 如何生成阅读这两本书的读者数量的书对？对于上述bt book 表，结果应该是：

((1, 2), 2)
((1,3), 1)
((2,3), 0)  

成对书籍的顺序无关紧要，因此，例如，(1,2) 和 (2,1) 应该减少到其中之一。

请提供解决此问题的函数和数据结构。谢谢！

更新：

理想情况下，我需要得到一个矩阵，其中书籍 ID 既作为行又作为列。交集是阅读该对中两本书的读者的计数。所以对于上面的例子矩阵应该是：

books | 1 | 2 | 3 |
   1  | 1 | 2 | 1 |
   2  | 2 | 1 | 0 |
   3  | 1 | 0 | 1 |

   Which means:

   book 1 and 2 are read together by 2 readers 
   book 1 and 3 are read together by 1 reader
   book 2 and 3 are read together by 0 readers

如何构建这样的矩阵？

Answer 1

这是另一种选择：

combs <- combn(unique(books), 2)# Generate combos of books
setkey(bt, books)
both.read <-bt[                 # Cartesian join all combos to our data
  data.table(books=c(combs), combo.id=c(col(combs))), allow.cartesian=T
][,
  .(                            # For each combo, figure out how many readers show up twice, meaning they've read both books
    read.both=sum(duplicated(readers)), 
    book1=min(books), book2=max(books)
  ),
  by=combo.id
]
dcast.data.table(               # dcast to desired format
  both.read, book1 ~ book2, value.var="read.both", fun.aggregate=sum
)

生产：

   book1 2 3
1:     1 2 1
2:     2 0 0

请注意，这仅适用于非等效组合（即我们不显示书籍 1-2 和 2-1，仅显示 1-2，因为它们是相同的）。

Answer 2

这是一个基本 R 解决方案，用于测试是否读取了对。如果您绝对需要，其他人可以为data.table 添加一个：

books = c (1,2,3,1,1,2)
readers = c(30, 10, 20, 20, 10, 30)
bks = data.frame(books, readers)

cmb <- combn(unique(books), 2)
cmb <- t(cmb)
combos <- as.data.frame(cmb)
bktbl <- t(table(bks))

for (i in 1:nrow(bktbl)) {
  x[i] <- sum(bktbl[i, cmb[i, 1]], bktbl[i, cmb[i, 2]])
  combos$PairRead <- ifelse(x > 1,"yes", "no")
}
combos
  V1 V2 PairRead
1  1  2      yes
2  1  3      yes
3  2  3       no

Answer 3

试试这个：

## gives you a seperate list for each book
list_bookls <- split(bt$readers, books)

## gives you a seperate list for each reader
list_readers <- split(bt$books, readers)

另一种输出形式，输出为data.table，并给出每个读者阅读的书籍数量和每个读者阅读的书籍数量：

bt[ , .("N Books" = length(unique(books))), by = readers]
bt[ , .("N Readers" = length(unique(readers))), by = readers]

对于您问题的第二部分，我将使用以下内容：

bt2 <- bt[ , .N, by = .(readers, books)]
library(tidyr)
spread(bt2, key = books, value = "N", fill = 0)

输出是一个表格，如果书被读者 X 阅读，则为 1，否则为 0：

   readers 1 2 3
1:      10 1 1 0
2:      20 1 0 1
3:      30 1 1 0