是否可以使用 R (dplyr) 对所有其他列的实例进行分组和计数？例如，以下数据框
x a b c
1 0 0 0
1 1 0 1
1 2 2 1
2 1 2 1
转至此（注意：y 是正在计算的值）
编辑：- 解释转换，x 是我分组的依据，对于每个分组的数字，我想计算提到 0 和 1 和 2 的次数，就像在转换后的数据帧的第一行中一样，我们计算了多少次 x = 1 在其他列 (y) 中等于 0，因此 0 在 a 列中一次，b 列两次，c 列一次
x y a b c
1 0 1 2 1
1 1 1 0 2
1 2 1 1 0
2 1 1 0 1
2 2 0 1 0
【问题讨论】：
结合了 data.table 或 reshape2 的 melt 和 dcast 函数的方法：
library(data.table) # v1.9.5+
dt.new <- dcast(melt(setDT(df), id.vars="x"), x + value ~ variable)
这给出了：
dt.new
# x value a b c
# 1: 1 0 1 2 1
# 2: 1 1 1 0 2
# 3: 1 2 1 1 0
# 4: 2 1 1 0 1
# 5: 2 2 0 1 0
在dcast 中，您可以指定要使用的聚合函数，但在这种情况下这不是必需的，因为默认聚合函数是length。如果不使用聚合函数，您将收到一个警告：
缺少聚合函数：默认为长度
此外，如果您没有将数据帧显式转换为数据表，data.table 将重定向到reshape2（参见 cmets 中 @Arun 的解释）。因此，此方法也可以与 reshape2 一起使用：
library(reshape2)
df.new <- dcast(melt(df, id.vars="x"), x + value ~ variable)
使用的数据：
df <- read.table(text="x a b c
1 0 0 0
1 1 0 1
1 2 2 1
2 1 2 1", header=TRUE)
【讨论】：
dcast来自reshape2，而不是data.table。或者data.table 是否提供dcast 的特定实现（因为它是一个通用函数）。在这种情况下，我们是否需要先将df 转换为某种data.table 格式？
data.table 的最新版本现在也是 includes its own implementations of the melt and dcast functions。起初我还认为您需要使用setDT()，但显然这不是必需的，它也适用于数据帧（我当然在发布之前尝试过;-)）。
我会使用tidyr 包中的gather 和spread 以及dplyr 中的count 的组合：
library(dplyr)
library(tidyr)
df = data.frame(x = c(1,1,1,2), a = c(0,1,2,1), b = c(0,0,2,2), c = c(0,1,1,1))
res = df %>%
gather(variable, value, -x) %>%
count(x, variable, value) %>%
spread(variable, n, fill = 0)
# Source: local data frame [5 x 5]
#
# x value a b c
# 1 1 0 1 2 1
# 2 1 1 1 0 2
# 3 1 2 1 1 0
# 4 2 1 1 0 1
# 5 2 2 0 1 0
本质上，您首先将数据集的格式更改为：
head(df %>%
gather(variable, value, -x))
# x variable value
#1 1 a 0
#2 1 a 1
#3 1 a 2
#4 2 a 1
#5 1 b 0
#6 1 b 0
这允许您使用count 获取有关某些值在a 到c 列中出现频率的信息。之后，您使用 spread 将数据集重新格式化为所需的格式。
【讨论】：
dplyr，并专注于此。