Question

我正在尝试使用ddply（一种plyr函数）从以下形式的社交媒体数据中排序和识别任何唯一的用户对之间最频繁的互动类型

from <- c('A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'D', 'D', 'D', 'D')
to <- c('B', 'B', 'D', 'A', 'C', 'C', 'D', 'A', 'D', 'B', 'A', 'B', 'B', 'A', 'C')
interaction_type <- c('like', 'comment', 'share', 'like', 'like', 'like', 'comment', 'like', 'like', 'share', 'like', 'comment', 'like', 'share', 'like')

dat <- data.frame(from, to, interaction_type)

如果正确聚合，它将找到这样的唯一对之间最常见的互动类型（无论方向性（即A-> B，A <-B））

from    to  type
A       B   like
A       C   like
A       D   share
B       C   like
B       D   comment
C       D   like

使用

可以轻松获得任何两个用户之间的互动总数

count <- ddply(sub_test, .(from, to), nrow)

我发现很难使用这种聚合方法来应用相似的方法来找到任何给定对之间最常见的交互类型。实现所需输出的最有效方法是什么？另外，如何处理可能的“绑架”案件？（我可能只使用“ tided”作为所有绑定案例的单元格值。）

Answer 1

无论列from，to的顺序如何，我们都需要找到每个组中最常用的值（模式）。

从this答案中获取Mode功能

Mode <- function(x) {
   ux <- unique(x)
   ux[which.max(tabulate(match(x, ux)))]
}

我们可以使用dplyr获得该组的第一个出现的最大值。

library(dplyr)

dat %>%
  mutate(key = paste0(pmin(from, to), pmax(from, to), sep = "")) %>%
  group_by(key) %>%
  mutate(interaction_type = Mode(interaction_type)) %>%
  slice(1) %>%
  ungroup() %>%
  select(-key)

#  from  to    interaction_type
#  <chr> <chr> <chr>           
#1 A     B     like            
#2 C     A     like            
#3 A     D     share           
#4 B     C     like            
#5 B     D     comment         
#6 C     D     like

通过在数据中添加stringsAsFactors = FALSE将列保留为字符。

Answer 2

类似于罗纳克的方法

library(dplyr)
dat <- data.frame(from, to, interaction_type, stringsAsFactors = F)
dat %>% 
  mutate(
    pair = purrr::pmap_chr(
      .l = list(from = from, to = to),
      .f = function(from, to) paste(sort(c(from, to)), collapse = "")
    )
  ) %>%
  group_by(pair) %>%
  filter(n() == max(n()) & row_number() == 1) %>%
  ungroup() %>%
  select(-pair)
# A tibble: 6 x 3
  from  to    interaction_type
  <chr> <chr> <chr>           
1 A     B     like            
2 A     D     share           
3 B     C     like            
4 B     D     comment         
5 C     A     like            
6 C     D     like

使用ddply从两列中的匹配对中选择一列的最常用值

2 个答案: