如何使用 R data.table 按组计算分类变量的频率/表？ [复制]答案

【问题标题】：How do I compute the frequency/table of categorical variables by group with R data.table? [duplicate]如何使用 R data.table 按组计算分类变量的频率/表？ [复制]
【发布时间】：2017-11-06 12:10:47
【问题描述】：

我有以下带有 R 的 data.table

library(data.table)
dt = data.table(ID = c("person1", "person1", "person1", "person2", "person2", "person2", "person2", "person2", ...), category = c("red", "red", "blue", "red", "red", "blue", "green", "green", ...))

dt
ID         category
person1    red
person1    red
person1    blue
person2    red
person2    red
person2    blue
person2    green
person2    green
person3    blue
....

我正在寻找如何为每个唯一 ID 创建分类变量 red、blue、green 的“频率”，然后展开这些列以记录每个的计数。生成的 data.table 如下所示：

dt
ID        red    blue    green
person1   2      1       0
person2   2      1       2    
...

我错误地认为以data.table 开头的正确方法是按组计算table()，例如

dt[, counts :=table(category), by=ID]

但这似乎是按组 ID 计算分类值的总数。这也不能解决我“扩展”data.table 的问题。

这样做的正确方法是什么？

【问题讨论】：

标签： r dataframe data.table frequency

【解决方案1】：

像这样？

library(data.table)
library(dplyr)
dt[, .N, by = .(ID, category)] %>% dcast(ID ~ category)

如果你想将这些列添加到原来的data.table

counts <- dt[, .N, by = .(ID, category)] %>% dcast(ID ~ category) 
counts[is.na(counts)] <- 0
output <- merge(dt, counts, by = "ID")

【讨论】：

这行得通！一个问题（因为我对dpylr 不太熟悉）：假设原来的dt 有几列：如果我想保留另一列怎么办？目前，dcast(ID ~ category) 生成一个只有 ID 和类别的 data.table（如我的示例中所示）。
查看我的编辑。您可以将表格数据合并到原始数据中。

【解决方案2】：

你可以用一行来使用reshape库。

library(reshape2)
dcast(data=dt,
      ID ~ category,
      fun.aggregate = length,
      value.var = "category")

       ID blue green red
1 person1    1     0   2
2 person2    1     2   2

另外如果你只需要一个简单的 2-way table，你可以使用内置的 R table 函数。

table(dt$ID,dt$category)

【讨论】：

【解决方案3】：

这是以命令式风格完成的，可能有一种更简洁、更实用的方式。

library(data.table)
library(dtplyr)
dt = data.table(ID = c("person1", "person1", "person1", "person2", "person2", "person2", "person2", "person2"), 
                category = c("red", "red", "blue", "red", "red", "blue", "green", "green"))


ids <- unique(dt$ID)
categories <- unique(dt$category)
counts <- matrix(nrow=length(ids), ncol=length(categories))
rownames(counts) <- ids
colnames(counts) <- categories

for (i in seq_along(ids)) {
  for (j in seq_along(categories)) {
    count <- dt %>%
      filter(ID == ids[i], category == categories[j]) %>%
      nrow()

    counts[i, j] <- count
  }
}

然后：

>counts
##         red blue green
##person1   2    1     0
##person2   2    1     2

【讨论】：