Question

我有大型数据框，如下所示，行和列很少：

    ID1 ID2 ID3 ID4
S1  2   4   2   6
S2  2   1   3   2
S3  2   2   2   2
S4  3   0   2   2

对于每一行，我需要一个矩阵，其中包含ID值范围内每个数字的计数。由于ID值中最大值为6，因此它会创建一个包含7列的矩阵，即0到6，并填充计数值。

示例输出：

    0   1   2   3    4    5    6
S1  0   0   2   0    1    0    1
S2  0   1   2   1    0    0    0
S3  0   0   4   0    0    0    0
S4  1   0   2   1    0    0    0

有没有办法在R中这样做。

Answer 1

我们可以使用table

table(c(row(df1)), unlist(df1))
#    0 1 2 3 4 6
#  1 0 0 2 0 1 1
#  2 0 1 2 1 0 0
#  3 0 0 4 0 0 0
#  4 1 0 2 1 0 0

如果我们还需要0和5

tbl <- table(c(row(df1)), factor(unlist(df1), levels=0:6))
dimnames(tbl)[[1]] <- row.names(df1)
tbl
#
#     0 1 2 3 4 5 6
#  S1 0 0 2 0 1 0 1
#  S2 0 1 2 1 0 0 0
#  S3 0 0 4 0 0 0 0
#  S4 1 0 2 1 0 0 0

另一个选项是来自mtabulate

的qdapTools

library(qdapTools)
mtabulate(as.data.frame(t(df1)))

Answer 2

这实际上是使用apply + tabulate的完美情况，除了在数据中包含零以及需要包含它们。

由于您需要包含零列表，因此您需要对tabulate进行少量修改，以从0开始而不是1。

这是一个让方法到位的功能：

DFTabulate <- function(indf) {
  nbins <- max(indf)
  `colnames<-`(t(apply(indf + 1, 1, tabulate, nbins = nbins + 1)), 0:nbins)
}

此处它适用于您的样本数据。

DFTabulate(mydf)
#    0 1 2 3 4 5 6
# S1 0 0 2 0 1 0 1
# S2 0 1 2 1 0 0 0
# S3 0 0 4 0 0 0 0
# S4 1 0 2 1 0 0 0

你指定你有一个“大”data.frame，但没有描述有多大，所以我不确定以下基准是多么相关。

然而，只是为了分享使用这种方法背后的逻辑：tabulate通常是一个非常快速的函数，所以我想我会利用它的效率。

这是基准：

set.seed(1)
nrow = 10000
ncol = 100
min = 0
max = 500
mydf <- data.frame(
  matrix(sample(min:max, nrow*ncol, TRUE), 
         nrow = nrow, ncol = ncol, 
         dimnames = list(paste0("S", 1:nrow), paste0("ID", 1:ncol))))

fun2 <- function(df1 = mydf) {
  tbl <- table(c(row(df1)), factor(unlist(df1), levels=0:max))
  dimnames(tbl)[[1]] <- row.names(df1)
  tbl
}

fun3 <- function(df1 = mydf) mtabulate(as.data.frame(t(df1)))

system.time(DFTabulate(mydf))
#    user  system elapsed 
#   0.000   0.000   0.154 
system.time(fun2(mydf))
#    user  system elapsed 
#   0.000   0.000   1.018 
system.time(fun3(mydf))
#    user  system elapsed 
#   4.560   0.000   3.081

在R中创建计数矩阵

2 个答案: