R：如何通过ID变量（作为新数据框）获得两个因子变量水平的共同计数（频率）[重复]答案

【问题标题】：R: How to get common counts (frequency) of levels of two factor variables by ID Variable (as new data frame) [duplicate]R：如何通过ID变量（作为新数据框）获得两个因子变量水平的共同计数（频率）[重复]
【发布时间】：2016-02-01 23:42:55
【问题描述】：

为了弄清楚这个问题，让我从我的数据框的一个小例子开始。

ID <- c(rep("first", 2), rep("second", 4), rep("third",1), rep("fourth", 3))
Var_1 <- c(rep("A",2), rep("B", 2), rep("A",3), rep("B", 2), "A")
Var_2 <- c(rep("C",2), rep("D",3) , rep("C",2),  rep("E",2), "D")

DF <- data.frame(ID, Var_1, Var_2)

> DF
       ID  Var_1 Var_2
1   first     A     C
2   first     A     C
3  second     B     D
4  second     B     D
5  second     A     D
6  second     A     C
7   third     A     C
8  fourth     B     E
9  fourth     B     E
10 fourth     A     D

有一个ID 因子变量和两个因子变量Var_1 具有R=2 因子水平和Var_2 具有C=3 因子水平。

我想获得一个新的数据框，其中包含 (RxC)+1=(2x3)+1 变量以及所有因子级别组合的频率 - 分别针对 ID 变量中的每个级别，如下所示：

      ID   A.C  A.D  A.E  B.C  B.D  B.E
1  first    2    0    0    0    0    0
2 second    1    1    0    0    2    0
3  third    1    0    0    0    0    0
4 fourth    0    1    0    0    0    2

我尝试了几个函数，但结果甚至不接近这个，所以它们甚至不值得一提。在原始数据框中，我应该得到 (6x9)+1=55 个变量。

编辑：有单独计算一个或多个变量的因子水平的解决方案，但我无法弄清楚如何对两个（或更多）变量的因子水平组合进行共同计数。当我得到答案时，现在向其他人实施解决方案似乎很容易，但我自己却无法做到。

【问题讨论】：

^^在末尾加括号。

标签： r count frequency

【解决方案1】：

使用 reshape 包中的 dcast 函数（或 data.table，它具有 dcast 函数的增强实现）：

library(reshape2)
dcast(DF, ID ~ paste(Var_1,Var_2,sep="."), fun.aggregate = length)

给出：

      ID A.C A.D B.D B.E
1  first   2   0   0   0
2 fourth   0   1   0   2
3 second   1   1   2   0
4  third   1   0   0   0

【讨论】：

这里是我的问题的最佳解决方案，因为它直接与数据框一起产生。
谢谢。但不得不提的是@StevenBeaupré 的方法也会返回一个数据框。
没错，我错过了。对不起史蒂文博普雷。他的方法虽然看起来更个性化，但如果您自己来回答，这是非常好的甚至更好的选择。我还是更喜欢你的提议，因为它是一个常用的功能。

【解决方案2】：

我们可以使用paste 创建一个结合 Var_1 和 Var_2 的变量，然后生成一个带有 ID 和新变量的列联表：

table(DF$ID,paste(DF$Var_1,DF$Var_2,sep="."))

输出

         A.C A.D B.D B.E
  first    2   0   0   0
  fourth   0   1   0   2
  second   1   1   2   0
  third    1   0   0   0

要对表格行排序，我们需要事先factor(DF$ID,levels=c("first","second","third","fourth"))。

【讨论】：

【解决方案3】：

试试

library(tidyr)
library(dplyr)

DF %>%
  unite(Var, Var_1, Var_2, sep = ".") %>%
  count(ID, Var) %>%
  spread(Var, n, fill = 0)

这给出了：

#Source: local data frame [4 x 5]
#
#      ID   A.C   A.D   B.D   B.E
#  (fctr) (dbl) (dbl) (dbl) (dbl)
#1  first     2     0     0     0
#2 fourth     0     1     0     2
#3 second     1     1     2     0
#4  third     1     0     0     0

【讨论】：