Question

我想计算data.frame中的所有组合。

数据看起来像这样

   9 10 11 12
1  1  1  1  1
2  0  0  0  0
3  0  0  0  0
4  1  1  1  1
5  1  1  1  1
6  0  0  0  0
7  1  0  0  1
8  1  0  0  1
9  1  1  1  1
10 1  1  1  1

我想要的输出只是

你知道有什么简单的功能吗？

谢谢

dt = structure(list(`9` = c(1, 0, 0, 1, 1, 0, 1, 1, 1, 1), `10` = c(1, 
0, 0, 1, 1, 0, 0, 0, 1, 1), `11` = c(1, 0, 0, 1, 1, 0, 0, 0, 
1, 1), `12` = c(1, 0, 0, 1, 1, 0, 1, 1, 1, 1)), .Names = c("9", 
"10", "11", "12"), class = "data.frame", row.names = c(NA, -10L
))

Answer 1

带有aggregate的基础R解决方案：

aggregate(seq(nrow(dt))~., data=dt, FUN=length)
#  9 10 11 12 seq(nrow(dt))
#1 0  0  0  0             3
#2 1  0  0  1             2
#3 1  1  1  1             5

修改

为了让colnames更符合你的输出，你可以这样做：

`colnames<-`(aggregate(seq(nrow(dt))~., data=dt, FUN=length), c("c", "o", "m", "b", "n")) # c o m b n #1 0 0 0 0 3 #2 1 0 0 1 2 #3 1 1 1 1 5

或者，更短：

aggregate(cbind(n = 1:nrow(dt))~., dt, length) # 9 10 11 12 n #1 0 0 0 0 3 #2 1 0 0 1 2 #3 1 1 1 1 5

Answer 2

我们可以使用data.table或dplyr。这些非常有效。我们将'data.frame'转换为'data.table'（setDT(dt)），按'dt'（names(dt)）的所有列进行分组，得到nrow（.N）作为'伯爵'

library(data.table)
setDT(dt)[,list(Count=.N) ,names(dt)]

或者我们可以使用dplyr使用类似的方法。

library(dplyr)
names(dt) <- make.names(names(dt))
dt %>%
   group_by_(.dots=names(dt)) %>%
   summarise(count= n())

基准

如果有人想查看某些指标（并且还要提前备份我的声明（efficient!）），

set.seed(24)
df1 <- as.data.frame(matrix(sample(0:1, 1e6*6, replace=TRUE), ncol=6))

akrunDT <-  function() {
  as.data.table(df1)[,list(Count=.N) ,names(df1)]
 }

akrunDplyr <- function() {
  df1 %>%
    group_by_(.dots=names(df1)) %>%
    summarise(count= n())
}

cathG <- function() {
 aggregate(cbind(n = 1:nrow(df1))~., df1, length)
  }

docendoD <- function() {
  as.data.frame(table(comb = do.call(paste, df1)))
}

deena <- function() {
   table(apply(df1, 1, paste, collapse = ","))
}

以下是microbenchmark结果

library(microbenchmark)
microbenchmark(akrunDT(), akrunDplyr(), cathG(), docendoD(),  deena(),
  unit='relative', times=20L)
#   Unit: relative
#        expr       min        lq      mean   median        uq        max neval  cld
#     akrunDT()  1.000000  1.000000  1.000000  1.00000  1.000000  1.0000000    20     a   
#  akrunDplyr()  1.512354  1.523357  1.307724  1.45907  1.365928  0.7539773    20     a   
#       cathG() 43.893946 43.592062 37.008677 42.10787 38.556726 17.9834245    20    c 
#    docendoD() 18.778534 19.843255 16.560827 18.85707 17.296812  8.2688541    20    b  
#       deena() 90.391417 89.449547 74.607662 85.16295 77.316143 34.6962954    20    d

Answer 3

您可以仅使用基础R尝试以下方法：

as.data.frame(table(comb = do.call(paste, dt)))
#     comb Freq
#1 0 0 0 0    3
#2 1 0 0 1    2
#3 1 1 1 1    5

Answer 4

也许那样：table(apply(dt, 1, paste, collapse = ","))

Answer 5

同样在基地R：

使用public function FormattedComments() { return $this->hasOne('App\Models\StoreComment','StoreID','StoreID') ->join('users','StoreComment.created_by','=','users.UserID') ->select(DB::raw("group_concat(DATE_FORMAT(StoreComment.created_at,'%Y-%m-%d'), ' - ', Comment, ' - ', ShortName, '\n' ORDER BY StoreComment.created_at DESC SEPARATOR '')")) ->groupBy('StoreID') ->whereNull('StoreComment.deleted_at') ->orderBy('StoreComment.created_at','DESC'); }获取唯一组合列表。

unique.matrix

然后进行比较并计算：

uncs <- unique.matrix(as.matrix(df), MARGIN = 1)

Answer 6

使用 group_by_all() 可以更轻松地完成上述 dplyr 解决方案...

dt %>% group_by_all %>% count

...据我所知，它已被 cross() 方法取代。添加一些排序，你会得到：

dt %>% group_by(across()) %>% count %>% arrange(desc(n))

> dt %>% group_by(across()) %>% count %>% arrange(desc(n))
# A tibble: 3 x 5
# Groups:   9, 10, 11, 12 [3]
    `9`  `10`  `11`  `12`     n
  <dbl> <dbl> <dbl> <dbl> <int>
1     1     1     1     1     5
2     0     0     0     0     3
3     1     0     0     1     2

如果您愿意，您可以将其转换为矩阵。

R - 统计所有组合

6 个答案:

基准