Question

我有一个如下的数据框。

11,15,12,25
11,12
15,25
134,45,56
46
45,56
15,12
66,45,56,24,14,11,25,12,134

我想确定数据中出现的对/三元组或更高频率。比如说，在上面的数据中，对的出现如下所示

item     No of occurrence
11,12      3
11,25      2
15,12      2
15,25      2
.
.
45,56      3
134,45,56  2    ....and so on

我正在尝试为上面写一个R代码，我发现很难解决这个问题。

Answer 1

给定1列data.frame并用逗号分隔变量，以下内容应该产生您想要的结果：

# split column into a list
myList <- strsplit(df$V1, split=",")
# get all pairwise combinations
myCombos <- t(combn(unique(unlist(myList)), 2))

# count the instances where the pair is present
myCounts <- sapply(1:nrow(myCombos), FUN=function(i) {
                   sum(sapply(myList, function(j) {
                              sum(!is.na(match(c(myCombos[i,]), j)))})==2)})

# construct final matrix
allDone <- cbind(matrix(as.integer(myCombos), nrow(myCombos)), myCounts)

这将返回一个矩阵，其中前两列是比较项，以及这些项位于data.frame行中的计数的第三列。

数据

df <- read.table(text="11,15,12,25 11,12 15,25 134,45,56 46 45,56 15,12 66,45,56,24,14,11,25,12,134", as.is=TRUE)

识别列表中项目的频率

1 个答案: