我希望在数据框（integrates2）中添加一列，按顺序计算重复项。以下是数据的样子：
name program date of contact helper column
John ffp 10/11/2014 2
John TP 10/27/2014 2
Carlos TP 11/19/2015 3
Carlos ffp 12/1/2015 3
Carlos wfd 12/31/2015 3
Jen ffp 9/9/2014 2
Jen TP 9/30/2014 2
这是在某些日期参加某些课程的人员列表。我添加了一个辅助列来计算重复项并对联系日期进行排序。我期待计算存在的程序组合（例如ffp-tp，tp-ffp-wfd）。
为了做到这一点，我想实现以下代码，以便在名为“program2”的新列的帮助下转换有序组合：
#transpose the programs
require(reshape2) dcast(integrates2, name ~ program2, value.var=”program”)
然后我计划使用以下代码将结果转换为表格和数据框并计算频率：
res = table(integrates2)
resdf = as.data.frame(res)
我在以下链接中看到了这个： Count number of time combination of events appear in dataframe columns ext
“program2”需要的是：
Name program date of contact helper column program2
John ffp 10/11/2014 2 1
John TP 10/27/2014 2 2
Carlos TP 11/19/2015 3 1
Carlos ffp 12/1/2015 3 2
Carlos wfd 12/31/2015 3 3
这样，我可以使用“program2”转换到不同的列，然后计算组合。最终结果应如下所示：
program pro1 pro2 freq
ffp tp 2
TP ffp wfd 1
我确信有更简单的方法可以做到这一点，但正如我所知，这就是我的所在。感谢帮助人员！
答案 0 :(得分：2)
在考虑了这个问题之后，我认为以下是可行的方法。如果您不介意组合所有程序名称，则可以执行以下操作。这可能要好得多。
setDT(mydf)[, list(type = paste(program, collapse = "-")), by = name][,
list(total = .N), by = type]
# type total
#1: ffp-TP 2
#2: TP-ffp-wfd 1
如果您想要分隔程序名称，可以使用cSplit()包中的splitstackshape执行此操作。
setDT(mydf)[, list(type = paste(program, collapse = "-")), by = name][,
list(total = .N), by = type] -> temp
cSplit(temp, splitCols = "type", sep = "-")
# total type_1 type_2 type_3
#1: 2 ffp TP NA
#2: 1 TP ffp wfd
dplyr代码的等价性是：
group_by(mydf, name) %>%
summarise(type = paste(program, collapse = "-")) %>%
count(type)
# type n
# (chr) (int)
#1 ffp-TP 2
#2 TP-ffp-wfd 1
数据
mydf <- structure(list(name = c("John", "John", "Carlos", "Carlos", "Carlos",
"Jen", "Jen"), program = c("ffp", "TP", "TP", "ffp", "wfd", "ffp",
"TP"), dateOfContact = c("10/11/2014", "10/27/2014", "11/19/2015",
"12/1/2015", "12/31/2015", "9/9/2014", "9/30/2014"), helperColumn = c(2L,
2L, 3L, 3L, 3L, 2L, 2L)), .Names = c("name", "program", "dateOfContact",
"helperColumn"), class = "data.frame", row.names = c(NA, -7L))
答案 1 :(得分：0)
使用dplyr，
library(dplyr)
integrates2 %>% group_by(name) %>% summarise(prg1 = program[1],
prg2 = program[2],
prg3 = program[3]) %>%
select(prg1, prg2, prg3) %>% group_by(prg1, prg2, prg3) %>% summarise(freq = n())
返回
Source: local data frame [2 x 4]
Groups: prg1, prg2 [?]
prg1 prg2 prg3 freq
(fctr) (fctr) (fctr) (int)
1 ffp TP NA 2
2 TP ffp wfd 1
使用评论中的mydf2，它会生成
Source: local data frame [3 x 4]
Groups: prg1, prg2 [?]
prg1 prg2 prg3 freq
(chr) (chr) (chr) (int)
1 ffp TP NA 1
2 TP ffp NA 1
3 wfd TP ffp 1
链
group_by上调用name来分隔案件; summarise将program转换为三列; select缩小到这些列; group_by所有prg*列summarise可以将其删除为唯一群组，并在这些群组中添加freq次出现次数。或者，如果你愿意，你可以在基础R中完成整个过程，尽管它的可读性相当低（至少使用这种特殊方法）：
tab <- table(sapply(split(integrages2$program, integrates2$name),
function(x){paste(x, collapse = '-')}))
prgs <- strsplit(names(tab), '-')
programs <- do.call(rbind, lapply(prgs, function(x){
c(x, rep(NA, max(sapply(prgs, length)-length(x))))
}))
programs <- cbind(as.data.frame(programs), matrix(tab))
names(programs) <- c(paste0('prgm', seq(length(programs)-1)), 'freq')
一个非常快速和肮脏的版本，它将系列折叠成字符串：
table(sapply(split(integrates2$program, integrates2$name),
function(x){paste(x, collapse = '-')}))
返回
ffp-TP TP-ffp-wfd
2 1
或包含在as.matrix，
[,1]
ffp-TP 2
TP-ffp-wfd 1
使用reshape2，您可以使用dcast制作一个程序组合的数据框（使用{{1}切出我们不关心的name }）：
[,-1] library(reshape2)
programs <- dcast(integrates2, name ~ program, value.var = 'program')[,-1]
看起来像：
programs现在，您可以使用> programs
ffp TP wfd
1 ffp TP wfd
2 ffp TP <NA>
3 ffp TP <NA>
按dplyr的所有列名进行分组（在此处以编程方式完成，但如果您希望看到正在进行的操作，则可以手动执行programs on）和group_by(ffp, TP, wfd)，使用summarise来获取组中行数的计数：
n()返回
library(dplyr)
programs %>% group_by_(.dots = names(programs)) %>% summarise(freq = n())