我正在尝试获取两个变量“week”和“id”的每个级别组合的计数。我希望结果将“id”作为行，将“week”作为列，并将计数作为值。
到目前为止我尝试过的示例（尝试了很多其他的东西，包括添加一个虚拟变量 = 1 然后fun.aggregate = sum在上面）：
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，因为这个功能没有完成。有一个更好的方法吗？
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
您可以使用以下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
你不需要ddply这个。dcastfromreshape2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（除了table- 由 Joshua Uhlrich 发布），请尝试xtabs：
xtabs(~id+week, data=dat)
week
id 1 2 3
1 2 1 1
2 0 0 1
需要这么长时间的原因ddply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.parallel = T）无济于事。
使用data.table::dcast（data.table版本> = 1.9.2）的方法在时间和内存方面应该非常有效。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.table1.9.2 之前的替代方案，请参阅编辑。
一个tidyverse选项可能是：
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tabylfrom janitor：
janitor::tabyl(df, id, week)
# id 1 2 3
# 1 2 1 1
# 2 0 0 1
数据
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))