计算频率和从长到宽投射的更快方法

Question

我试图获取两个变量“week”和“id”的级别的每个组合的计数。我希望结果将“id”作为行，“week”作为列，并将计数作为值。

到目前为止我尝试过的示例（尝试了很多其他操作，包括添加虚拟变量 = 1，然后添加 fun.aggregate = sum）：

library(plyr)
ddply(data, .(id), dcast, id ~ week, value_var = "id", 
        fun.aggregate = length, fill = 0, .parallel = TRUE)

但是，我一定做错了什么因为这个功能还没有完成。有更好的方法吗？

输入：

id      week
1       1
1       2
1       3
1       1
2       3

输出：

  1  2  3
1 2  1  1
2 0  0  1

Answer 1

您可以只使用 table 命令：

table(data$id,data$week)

    1 2 3
  1 2 1 1
  2 0 0 1

如果“id”和“week”是数据框中唯一的列，您可以简单地使用：

table(data)
#    week
# id  1 2 3
#   1 2 1 1
#   2 0 0 1

Answer 2

为此，您不需要ddply。来自 reshape2 的 dcast 就足够了：

dat <- data.frame(
    id = c(rep(1, 4), 2),
    week = c(1:3, 1, 3)
)

library(reshape2)
dcast(dat, id~week, fun.aggregate=length)

  id 1 2 3
1  1 2 1 1
2  2 0 0 1

---

编辑： 对于基本 R 解决方案（table 除外 - 如发布者Joshua Uhlrich），尝试 xtabs：

xtabs(~id+week, data=dat)

   week
id  1 2 3
  1 2 1 1
  2 0 0 1

Answer 3

ddply 花费这么长时间的原因是按组拆分不是并行运行的（仅对“拆分”进行计算），因此对于大量组，它会很慢（并且< code>.parallel = T) 没有帮助。

使用 data.table::dcast（data.table version >= 1.9.2）的方法在时间和内存方面应该非常高效。在这种情况下，我们可以依赖默认参数值并简单地使用：

library(data.table) 
dcast(setDT(data), id ~ week)
# Using 'week' as value column. Use 'value.var' to override
# Aggregate function missing, defaulting to 'length'
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

或显式设置参数：

dcast(setDT(data), id ~ week, value.var = "week", fun = length)
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

---

对于 data.table 1.9.2 之前的替代方案，请参阅编辑。

Answer 4

tidyverse 选项可以是：

library(dplyr)
library(tidyr)

df %>%
  count(id, week) %>%
  pivot_wider(names_from = week, values_from = n, values_fill = list(n = 0))
  #spread(week, n, fill = 0) #In older version of tidyr

#     id   `1`   `2`   `3`
#   <dbl> <dbl> <dbl> <dbl>
#1     1     2     1     1
#2     2     0     0     1

仅使用 pivot_wider -

tidyr::pivot_wider(df, names_from = week, 
                   values_from = week, values_fn = length, values_fill = 0)

---

或使用 janitor 中的 tabyl：

janitor::tabyl(df, id, week)
# id 1 2 3
#  1 2 1 1
#  2 0 0 1

data

df <- structure(list(id = c(1L, 1L, 1L, 1L, 2L), week = c(1L, 2L, 3L, 
1L, 3L)), class = "data.frame", row.names = c(NA, -5L))