我有一个如下所示的数据集：
Group A B C D
XYZ 4 Na 1 3
XYZ Na 2 2 1
DEF 4 3 2 1
DEF 3 3 1 1
PQR 1 Na Na 1
PQR 3 2 2 4
我想要跨行和列的该数据集的摘要，以获取每个值的计数，如下所示：
Group 4 3 2 1
XYZ 1 1 2 2
DEF 1 3 1 3
PQR 1 1 2 2
数据集中所有行和列中组 XYZ 的计数为 1，对于 2 和 1 是 2，对于 3 是 1。我可以通过创建 4 个新列 4、3、2、1 和逐行计数，然后逐列计数，但这既不高效也不可扩展。我确信有更好的方法来完成这项工作。
【问题讨论】：
标签： r
使用reshape2包我们可以melt和dcast如下，
library(reshape2)
dcast(na.omit(melt(df, id.vars = 'Group')), Group ~ value, fun.aggregate = length)
# Group 1 2 3 4
#1 DEF 3 1 3 1
#2 PQR 2 2 1 1
#3 XYZ 2 2 1 1
【讨论】：
这不使用任何包，只有一行。这里DF$Group[row(DF[-1])] 是一个组标签向量，每个元素对应于解开的数字向量unlist(DF[-1])。
table(DF$Group[row(DF[-1])], unlist(DF[-1]))
给予：
1 2 3 4
DEF 3 1 3 1
PQR 2 2 1 1
XYZ 2 2 1 1
如果问题中显示的行和列的顺序很重要，那么我们可以从两个 table 参数中的每一个创建因子，并按照所需的顺序定义因子级别。在这种情况下，我们使用以下代码行而不是上面的代码行：
table(Group = factor(DF$Group[row(DF[-1])], unique(DF$Group)), factor(unlist(DF[-1]), 4:1))
给予：
Group 4 3 2 1
XYZ 1 1 2 2
DEF 1 3 1 3
PQR 1 1 2 2
上面产生了一个"table"类的对象。这是一个特别适合列表频率的类别。例如，一旦在这种形式中，ftable 可以用来轻松地重新排列它，如ftable(tab, row.vars = 2) 或ftable(tab, row.vars = 1:2) 其中tab 是上面的计算表。
如果首选 data.frame，则将其转换为：
cbind(Group = rownames(tab), as.data.frame.matrix(tab))
输入 data.frame DF 在最后的注释 2 中可重复地定义。
替代品
虽然上面看起来是最直接的，但这里还有一些其他的不使用包的替代方案：
1) by 对于具有相同Group 值的每组行，匿名函数创建一个标识组的data.frame，将除第一列之外的列转换为具有指示的因子水平并运行table 以获取计数。返回的"by" 列表重新排序为原始顺序，我们将rbind 全部重新组合在一起。
do.call("rbind",
by(DF, DF$Group, function(x) {
data.frame(Group = x[1,1],
as.list(table(factor(unlist(x[, -1]), levels = 4:1))),
check.names = FALSE)
})[unique(DF$Group)])
给予：
Group 4 3 2 1
XYZ XYZ 1 1 2 2
DEF DEF 1 3 1 3
PQR PQR 1 1 2 2
1a) 这个稍微短一点的变体也可以。它返回一个使用行名标识组的矩阵。
kount <- function(x) table(factor(unlist(x), levels = 4:1))
m <- do.call("rbind", by(DF[, -1], DF$Group, kount)[unique(DF$Group)])
给予：
> m
4 3 2 1
XYZ 1 1 2 2
DEF 1 3 1 3
PQR 1 1 2 2
2) 外层
gps <- unique(DF$Group)
levs <- 4:1
kount2 <- function(g, lv) sum(subset(DF, Group == g)[-1] == lv, na.rm = TRUE)
m <- outer(gps, levs, Vectorize(kount2))
dimnames(m) <- list(gps, levs))
给出这个矩阵：
> m
4 3 2 1
XYZ 1 1 2 2
DEF 1 3 1 3
PQR 1 1 2 2
3) 应用
kount3 <- function(g) table(factor(unlist(DF[DF$Group == g, -1]), levels = 4:1))
gps <- as.character(unique(DF$Group))
do.call("rbind", sapply(gps, kount3, simplify = FALSE))
给予：
4 3 2 1
XYZ 1 1 2 2
DEF 1 3 1 3
PQR 1 1 2 2
4) 聚合
aggregate(1:nrow(DF), DF["Group"], function(ix)
table(factor(unlist(DF[ix, -1]), levels = 4:1)))[unique(DF$Group), ]
给予：
Group x.4 x.3 x.2 x.1
3 XYZ 1 1 2 2
1 DEF 1 3 1 3
2 PQR 1 1 2 2
5) 点按
do.call("rbind", tapply(1:nrow(DF), DF$Group, function(ix)
table(factor(unlist(DF[ix, -1]), levels = 4:1))))[unique(DF$Group), ]
6) 重塑
with(reshape(DF, dir = "long", varying = list(2:5)),
table(factor(Group, unique(DF$Group)), factor(A, 4:1)))
给予：
4 3 2 1
XYZ 1 1 2 2
DEF 1 3 1 3
PQR 1 1 2 2
注 1： (1a)、(2)、(3)、(5) 和 (6) 生成以组为行名的矩阵或表格结果。如果您更喜欢以 Groups 为列的数据框，那么假设 m 是矩阵，请添加以下内容：
data.frame(Group = rownames(m), m, check.names = FALSE)
注2：输入DF的可复现形式为：
Lines <- "Group A B C D
XYZ 4 Na 1 3
XYZ Na 2 2 1
DEF 4 3 2 1
DEF 3 3 1 1
PQR 1 Na Na 1
PQR 3 2 2 4"
DF <- read.table(text = Lines, header = TRUE, na.strings = "Na")
【讨论】：
我们可以使用dplyr/tidyr
library(dplyr)
library(tidyr)
df1 %>%
mutate_each(funs(replace(., .=="Na", NA))) %>%
gather(Var, Val, A:D, na.rm=TRUE) %>%
group_by(Group, Val) %>%
tally() %>%
spread(Val, n)
# Group `1` `2` `3` `4`
#* <chr> <int> <int> <int> <int>
#1 DEF 3 1 3 1
#2 PQR 2 2 1 1
#3 XYZ 2 2 1 1
【讨论】：