为了明确问题,让我先从我的数据框的一个婴儿示例开始。
ID <- c(rep("first", 2), rep("second", 4), rep("third",1), rep("fourth", 3))
Var_1 <- c(rep("A",2), rep("B", 2), rep("A",3), rep("B", 2), "A")
Var_2 <- c(rep("C",2), rep("D",3) , rep("C",2), rep("E",2), "D")
DF <- data.frame(ID, Var_1, Var_2)
> DF
ID Var_1 Var_2
1 first A C
2 first A C
3 second B D
4 second B D
5 second A D
6 second A C
7 third A C
8 fourth B E
9 fourth B E
10 fourth A D
有一个ID
因子变量和两个因子变量Var_1
具有R=2
因子水平,Var_2
具有C=3
因子水平。
我想获得一个带有(RxC)+1=(2x3)+1
变量的新数据框,其中包含所有因子级别组合的频率 - 对于ID变量中的每个级别,分别如下所示:
ID A.C A.D A.E B.C B.D B.E
1 first 2 0 0 0 0 0
2 second 1 1 0 0 2 0
3 third 1 0 0 0 0 0
4 fourth 0 1 0 0 0 2
我尝试了几个功能,但结果甚至没有接近这一点,所以它们甚至都不值得一提。在原始数据框中,我应该得到(6x9)+ 1 = 55变量。
编辑:有一些解决方案可以分别计算一个或多个变量的因子水平,但我无法弄清楚如何为两个(或更多)变量的因子水平组合制定一个共同计数。当我得到答案时,实现其他人的解决方案似乎很容易,但我自己无法实现。
答案 0 :(得分:1)
我们可以使用paste
创建一个组合Var_1和Var_2的变量,然后生成一个带有ID和新变量的列联表:
table(DF$ID,paste(DF$Var_1,DF$Var_2,sep="."))
输出
A.C A.D B.D B.E
first 2 0 0 0
fourth 0 1 0 2
second 1 1 2 0
third 1 0 0 0
要订购表格行,我们需要预先factor(DF$ID,levels=c("first","second","third","fourth"))
。
答案 1 :(得分:1)
尝试
library(tidyr)
library(dplyr)
DF %>%
unite(Var, Var_1, Var_2, sep = ".") %>%
count(ID, Var) %>%
spread(Var, n, fill = 0)
给出了:
#Source: local data frame [4 x 5]
#
# ID A.C A.D B.D B.E
# (fctr) (dbl) (dbl) (dbl) (dbl)
#1 first 2 0 0 0
#2 fourth 0 1 0 2
#3 second 1 1 2 0
#4 third 1 0 0 0
答案 2 :(得分:1)
使用重塑包中的dcast
函数(或 data.table ,它具有dcast
函数的增强实现):< / p>
library(reshape2)
dcast(DF, ID ~ paste(Var_1,Var_2,sep="."), fun.aggregate = length)
给出:
ID A.C A.D B.D B.E
1 first 2 0 0 0
2 fourth 0 1 0 2
3 second 1 1 2 0
4 third 1 0 0 0