Question

我有一个包含三列的数据表。前两个是数据点的集合（可以是A，B或C的分类数据）。第三列是两个数据点的集合，因为它们属于一个集合。我需要获取可能组合的计数，并且需要将“ A＆C”与“ C＆A”作为同一组的一部分进行计数，因为这些对的顺序无关紧要。

之前，我设置了一个列，将“ CAT1＆CAT2”和另一个列为“ CAT2＆CAT1”连接起来，希望在那里进行汇总，但是这些数字当然并不能正确地相加。

library(data.table)
dt1 = data.table(CAT1 = c('a','b','c','b','a','c','c','b','a','c'),
                 CAT2 = c('a','b','c','a','b','c','a','b','c','a'))

dt1[,merged := paste(dt1$CAT1, dt1$CAT2, sep = ' & ')]

counts = data.table(table(dt1$merged))

输出表“ counts”为我提供了合并列的所有唯一性，但是我需要在翻转数据点的任何地方进行总结（“ A＆C” +“ C＆A”）。我知道可以手动完成此操作，但是我要手工完成的实际数据点太多。

Answer 1

dt1[,paste(sort(c(CAT1,CAT2)),collapse=" & "),by=1:nrow(dt1)][,table(V1)]

Answer 2

我对data.table不好，所以这是我对data.frame的回答：

只需在粘贴前对两个CAT进行排序，确保它们始终处于相同顺序。

 dt1$merged<-apply(dt1,1,function(x) paste(sort(x),collapse=" & "))

我确定可以使用更快的方法来处理data.table，但不确定如何。天真的sort添加到您的代码中时出现了错误...

Answer 3

您还可以执行以下操作- 注意：如@ chinsoon12所述，我们可以使用pmin和pmax

 > setDT(dt1)[,list(Count=.N) ,paste(pmin(CAT1, CAT2), pmax(CAT1, CAT2), sep=' & ')]
   paste Count
1: a & a     1
2: b & b     2
3: c & c     2
4: a & b     2
5: a & c     3

如何计算R中数据表中的唯一组合？

3 个答案: