as.data.frame of table() 总结频率答案

【问题标题】：as.data.frame of table() to summarize frequenciesas.data.frame of table() 总结频率
【发布时间】：2010-04-26 15:53:24
【问题描述】：

在 R 中，我正在寻找一种节省内存的方法来创建表格数据的摘要，如下所示。

以data.framefoo 为例，我使用table() 进行汇总，然后使用as.data.frame() 获取频率计数。

foo <- data.frame(x= c('a', 'a', 'a', 'b', 'b', 'b'), y=c('ab', 'ac', 'ad', 'ae', 'fx', 'fy'))
bar <- as.data.frame(table(foo), stringsAsFactors=F)

这导致bar 的以下频率计数

   x  y Freq
1  a ab    1
2  b ab    0
3  a ac    1
4  b ac    0
5  a ad    1
6  b ad    0
7  a ae    0
8  b ae    1
9  a fx    0
10 b fx    1
11 a fy    0
12 b fy    1

我遇到的问题是当x 和y 有多个级别时，它开始占用大量>64 GB 的内存。我想知道是否有另一种方法来进行这种频率计数。作为第一步，我设置了stringsAsFactors=F，但这并不能完全解决问题。

【问题讨论】：

标签： r dataframe

【解决方案1】：

我有这种快速（稀疏）交叉制表的方法。我认为有进一步优化的可能性，但对于大型数据集对我来说已经足够了。关键是使用plyr包中的ninteraction为每一行快速生成一个数字id。

tab <- function(df, drop = TRUE) {
  id <- plyr::ninteraction(df)
  ord <- order(id)

  df <- df[ord, , drop = FALSE]
  id <- id[ord]

  freq <- rle(id)$lengths
  labels <- unrowname(df[cumsum(freq), , drop = FALSE])

  data.frame(labels, freq)
}

【讨论】：

【解决方案2】：

查看Matrix 包中的xtabs 方法，该方法执行稀疏交叉制表。

【讨论】：

感谢您的建议。但是，我认为xtabs 仅适用于双向表。事实证明，在我的具体情况下，我实际上有一个三向表。

【解决方案3】：

library(plyr)
ddply(foo, ~ x + y, nrow,.drop=FALSE)

【讨论】：