3

我想知道是否有人知道如何以比我想象的更好的方式计算以下组合。

> library(lubridate)
> df <- data.frame(x=sample(now()+hours(1:3), 100, T), y=sample(1:4, 100, T))
> with(df, as.data.frame(table(x, y)))
                     x y Freq
1  2012-06-15 00:10:18 1    5
2  2012-06-15 01:10:18 1    9
3  2012-06-15 02:10:18 1    8
4  2012-06-15 00:10:18 2    9
5  2012-06-15 01:10:18 2   10
6  2012-06-15 02:10:18 2   12
7  2012-06-15 00:10:18 3    7
8  2012-06-15 01:10:18 3    9
9  2012-06-15 02:10:18 3    6
10 2012-06-15 00:10:18 4    5
11 2012-06-15 01:10:18 4   14
12 2012-06-15 02:10:18 4    6

我喜欢这种格式，但不幸的是，当我们运行x并y通过时table()，它们被转换为因子。在最终输出中，它们可以作为原始类型很好地存在，但到达那里似乎有问题。目前我只是在之后手动修复所有类型，这真的很麻烦，因为我必须重新设置时区，并查找默认日期格式的百分比代码等。

似乎一个有效的解决方案将涉及对对象进行哈希处理，或者将整数映射到的唯一值，x因此y我们可以使用tabulate()，然后映射回来。

想法？

4

2 回答 2

5

这data.table是保留列类的版本：

library(data.table)

dt <- data.table(df, key=c("x", "y"))
dt[, .N, by=key(dt)]
#                       x y  N
#  1: 2012-06-14 18:10:22 1  8
#  2: 2012-06-14 18:10:22 2 10
#  3: 2012-06-14 18:10:22 3  8
#  4: 2012-06-14 18:10:22 4  8
#  5: 2012-06-14 19:10:22 1  6
#  6: 2012-06-14 19:10:22 2  8
#  7: 2012-06-14 19:10:22 3  6
#  8: 2012-06-14 19:10:22 4  6
#  9: 2012-06-14 20:10:22 1 15
# 10: 2012-06-14 20:10:22 2  5
# 11: 2012-06-14 20:10:22 3 12
# 12: 2012-06-14 20:10:22 4  8

str(dt[, .N, by=key(dt)])
# Classes ‘data.table’ and 'data.frame':  12 obs. of  3 variables:
#  $ x: POSIXct, format: "2012-06-14 18:10:22" "2012-06-14 18:10:22" ...
#  $ y: int  1 2 3 4 1 2 3 4 1 2 ...
#  $ N: int  8 10 8 8 6 8 6 6 15 5 ...

编辑以回应后续问题

要计算观察到的因子水平的所有可能组合的出现次数（包括那些未出现在数据中的组合），您可以执行以下操作：

dt<-dt[1:30,]  # Make subset of dt in which some factor combinations don't appear

ii <- do.call("CJ", lapply(dt, unique))  # CJ() is similar to expand.grid()
dt[ii, .N]
#                      x y N
# 1: 2012-06-14 22:53:05 1 8
# 2: 2012-06-14 22:53:05 2 7
# 3: 2012-06-14 22:53:05 3 9
# 4: 2012-06-14 22:53:05 4 5
# 5: 2012-06-14 23:53:05 1 1
# 6: 2012-06-14 23:53:05 2 0
# 7: 2012-06-14 23:53:05 3 0
# 8: 2012-06-14 23:53:05 4 0
于 2012-06-15T00:14:02.273 回答
3

您可以使用ddply

library(plyr)

ddply(df, .(x, y), summarize, Freq = length(y))

如果你想在那时y安排x

ddply(df, .(y, x), summarize, Freq = length(y))

或者如果列顺序和行顺序一样重要

arrange(ddply(df, .(x, y), summarize, Freq = length(y)), y)
于 2012-06-14T23:45:12.977 回答