如何获得与R分组的入射矩阵

Question

我必须通过共同发表的论文和文章的数量来研究科学研究所之间的合作网络。每篇文章都有一个独特的代码来标识特定的文章。如果两个（或更多）机构在其数据库中具有相同的 ArticleCode ，则意味着在该文章的出版中进行协作。

这就是数据集的组织方式：

Intitute name | ArticleName | ArticleCode | Area | Pages | NumberofCitations | ...

我总共有90个机构，因此 90 CSV文件在这里。我必须达到的结果是我拥有此信息的一张表：

Institute#1 | Institute#2 | TotArticles | TotArea#1 | TotArea#2 | TotArea#3 |...

因此，我需要 已经合作的几个研究所，他们的姓名，释放的文章总数（鸟类）以及它们在其他列中的区域（总计5：艺术＆amp;人文科学；生命科学＆amp;生物医学；物理科学；社会科学；技术）。

一开始，我认为可以通过ArricleCode合并CSV来完成，但是我很快意识到，如果我想分析所有机构之间的所有可能组合时间。

如果我合并一个唯一的CSV，每个研究所的总计都会合并，然后在上面进行操作以获取最终表格，也许可以更快地完成。添加90 CSV的所有行，我将获得1.300.000行之类的东西，不知道是否可以在技术上进行操作。

在一个示例下。

希望我能清楚地将问题暴露出来，否则请通过评论让我知道。

---

的事情开始...

Institute | ArticleCode | Area             | Pages | ...  
In.AAA    | articleX    | Arts & Humanities| 90    | ...
In.AAA    | articleP    | Technology       | 10    | ...
In.BBB    | articleZ    | ...              | 907   | ...
In.BBB    | articleX    | Arts & Humanities| 90    | ...
In.CCC    | articleF    | Arts & Humanities| 89    | ...
In.DDD    | articleP    | Technology       | 10    | ...
In.DDD    | articleX    | Arts & Humanities| 90    | ...

从这样

Institute#1 | Institute#2 | TotArticles |Arts & Humanities | TotTechnology
In. AAA     | In.BBB      | 1           | 1                | 0         
In. AAA     | In.DDD      | 2           | 1                | 1           
In. BBB     | In.DDD      | 1           | 1                | 0  

Answer 1

您可以将Institute列转换为数字因子，然后使用非Equi加入，使用data.table

library(data.table)

setDT(df)[, Institute:=as.factor(Institute)]
result = dcast(
  df[df[, Institute2:=Institute], on=.(ArticleCode, Institute>Institute2), nomatch=0],
  Institute+Institute2~Area,fun.aggregate = length
)[, TotArticles:=rowSums(.SD), .SDcols = -c(1,2)]

输出：

   Institute Institute2 Arts & Humanities Technology TotArticles
1:    In.AAA     In.BBB                 1          0           1
2:    In.AAA     In.DDD                 1          1           2
3:    In.BBB     In.DDD                 1          0           1

update ：

structure(list(Institute = c("In.AAA", "In.AAA", "In.BBB", "In.BBB", 
"In.CCC", "In.DDD", "In.DDD"), ArticleCode = c("articleX", "articleP", 
"articleZ", "articleX", "articleF", "articleP", "articleX"), 
    Area = c("Arts & Humanities", "Technology", "...", "Arts & Humanities", 
    "Arts & Humanities", "Technology", "Arts & Humanities"), 
    Pages = c("90", "10", "907", "90", "89", "10", "90")), class = "data.frame", row.names = c(NA, 
-7L))

update（6/6/22）

现在，现在想要添加一个额外的列，例如年，它指示了文章的年份，并另外按该值将行分开。只需要两个小更改：

1. 在dcast中的公式的左侧添加Year
2. 扩展了从c（1,2） <代码> c（1：3）（即从前两列到前三列

setDT(df)[, Institute:=as.factor(Institute)]
result = dcast(
  df[df[, Institute2:=Institute], on=.(ArticleCode, Institute>Institute2), nomatch=0],
  Year + Institute+Institute2~Area,fun.aggregate = length
)[, TotArticles:=rowSums(.SD), .SDcols = -c(1:3)]

输出：

Key: <Year, Institute, Institute2>
    Year Institute Institute2 Arts & Humanities Technology TotArticles
   <num>    <fctr>     <fctr>             <int>      <int>       <num>
1:  2005    In.AAA     In.BBB                 1          0           1
2:  2005    In.AAA     In.DDD                 1          0           1
3:  2005    In.BBB     In.DDD                 1          0           1
4:  2006    In.AAA     In.DDD                 0          1           1

新输入：

structure(list(Institute = c("In.AAA", "In.AAA", "In.BBB", "In.BBB", 
"In.CCC", "In.DDD", "In.DDD"), ArticleCode = c("articleX", "articleP", 
"articleZ", "articleX", "articleF", "articleP", "articleX"), 
    Area = c("Arts & Humanities", "Technology", "...", "Arts & Humanities", 
    "Arts & Humanities", "Technology", "Arts & Humanities"), 
    Pages = c("90", "10", "907", "90", "89", "10", "90"), Year = c(2005, 
    2006, 2005, 2005, 2005, 2006, 2005)), row.names = c(NA, -7L
), class = "data.frame")