r计算重叠类别的唯一计数

Question

我非常沮丧地计算了在3个单个类别（应用程序，桌面，Web）方案和其余重叠类别（app＆amp; web，app＆amp; desktop，web＆amp;桌面，App＆amp; Web＆amp; amp;这是我正在研究的示例数据集。

我可以在R中找到具有汇总和group_by函数的单个类别计数，但是，我真的无法弄清楚如何在重叠类别上工作。

真的非常感谢，如果有人可以帮助我！！！谢谢！！！

df <- data.frame(list(ClientID = c("1", "1", "1", "2", "2", "3", "3" , "3" , "3" , "4" ),
                     device = c("App", "Web", "App", "Web", "Web", "App", "Desktop", "App", "App", "Web"),
                     conversion = c("0", "0", "0", "0", "1", "1", "0", "1", "0", "1")) ) 

以下是预期的结果：

Scenario                With Conversion      Without Conversion 
App                          
Web                          
Desktop
App & Web
App & Desktop
Web & Desktop
App & Desktop & Web

Answer 1

您可以准备设备组合列表（即所有7个可能性），然后在辅助功能中使用setequal（） and unique> unique（），例如

1. 设备组合的此列表，使用combn（）

device_combinations = unlist(
  sapply(1:3, \(i) combn(c("App", "Web" ,"Desktop"), i, simplify = F)),
  recursive = F
)

2. 助手功能，f（获取设备列表，并指示唯一的设备列表是否符合每个设备组合一个仅通过使用unique（）和setequal（）

f <- function(d) sapply(device_combinations, \(ds) setequal(ds, unique(d)))

3. 现在通过转换和client> clientId，UNNEST应用功能，通过转换计数和方案，并透射到您所需的广泛格式

df %>% 
  group_by(conversion,ClientID) %>%
  summarize(v = f(device), .groups="drop") %>%
  unnest(v) %>% 
  mutate(
    Scenario=rep(sapply(device_combinations,paste,collapse=","),length.out=n()),
    conversion =if_else(conversion=="0", "Without Conversion", "With Conversion")
  ) %>% 
  group_by(Scenario, conversion) %>% 
  summarize(ct = sum(v), .groups="drop") %>% 
  pivot_wider(id_cols = Scenario, names_from = conversion,values_from = ct)

输出：

  Scenario        `With Conversion` `Without Conversion`
  <chr>                       <int>                <int>
1 App                             1                    0
2 App,Desktop                     0                    1
3 App,Web                         0                    1
4 App,Web,Desktop                 0                    0
5 Desktop                         0                    0
6 Web                             2                    1
7 Web,Desktop                     0                    0

Answer 2

我想除了已经在这里的答案外，我还会添加答案。

根据您的评论进行更新，

这看起来并不是所有的整洁，但确实可以做您期望的。尽管另一个答案看起来好多了。

我首先通过设备转换来收集独特客户的计数。

library(tidyverse)

dfn <- map(c("0", "1"),
           function(k) {
             with(df[df$conversion == k,], table(device, ClientID)) %>% 
               as.data.frame() %>% filter(Freq > 0) %>% select(-Freq) %>% 
               distinct() %>% group_by(device) %>% summarise(cnt = n())
             }
           )

dfa <- data.frame(device = unique(df$device)) %>% 
  left_join(., dfn[[1]]) %>% setNames(., c("device", "0")) %>% 
  left_join(., dfn[[2]])
names(dfa)[3] <- "1"
dfa[is.na(dfa)] <- 0
dfa
#    device 0 1
# 1     App 2 1
# 2     Web 2 2
# 3 Desktop 1 0 

然后我想要组合。这里只有三个，所以我可以比编码更快地编写组合。但是，我提供了一种更具动态的方法。

dbls = RcppAlgos::comboGeneral(dfa$device, 2)
#      [,1]    [,2]   
# [1,] App     Desktop
# [2,] App     Web    
# [3,] Desktop Web    
# Levels: App Desktop Web 

现在，我将使用数据框架df来计算dbls中确定的组合的计数。

dfb <- map2_dfr(rep(1:nrow(dbls), 2), rep(c("0", "1"), 3), 
    function(x, y){
      gimme = with(df[df$conversion == y, ], table(device, ClientID)) %>% 
        as.data.frame() %>% 
        filter(Freq > 0, device %in% c(dbls[x, 1], dbls[x, 2])) %>% 
        select(-Freq) %>% distinct() %>% group_by(ClientID) %>% 
        mutate(cnt = n()) %>% filter(cnt == 2)
      if(nrow(gimme) == 0){
        c(device = paste0(dbls[x, 1], " & ", dbls[x, 2]),
          wh = y, cnt = 0)
      } else {
        c(device = paste0(dbls[x, 1], " & ", dbls[x, 2]),
          wh = y, cnt = length(unique(gimme$ClientID)))
      }
    }) %>% pivot_wider(names_from = "wh", values_from = "cnt")
# # A tibble: 3 × 3
#   device        `0`   `1`  
#   <chr>         <chr> <chr>
# 1 App & Desktop 1     0    
# 2 App & Web     1     0    
# 3 Desktop & Web 0     0  

最后但并非最不重要的一点是，我结合了两个帧。

我不知道哪个转换（0或1）与或没有，所以我只是留下标记。

rbind(dfa, dfb)
#          device 0 1
# 1           App 2 1
# 2           Web 2 2
# 3       Desktop 1 0
# 4 App & Desktop 1 0
# 5     App & Web 1 0
# 6 Desktop & Web 0 0