在R中创建计数矩阵
我有如下所示的大数据框,其中只有很少的行和列:在R中创建计数矩阵,r,matrix,R,Matrix,我有如下所示的大数据框,其中只有很少的行和列: 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,其中每个数字的计数在ID值的范围内。由于ID值中的最大值为6,因此它将创建一个包含7列(即0到6列)的矩阵,并用计数值填充 样本输出: 0 1 2 3 4 5 6 S1 0 0 2 0
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,其中每个数字的计数在ID值的范围内。由于ID值中的最大值为6,因此它将创建一个包含7列(即0到6列)的矩阵,并用计数值填充
样本输出:
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
在R中是否有这样做的方法。我们可以使用
表
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
我们可以使用
表格
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
这实际上是使用
应用
+表格
的完美情况,除了在数据中包含零和需要包含零之外
由于您需要包含零的制表,因此对制表进行了一个小的修改,以从零开始,而不是从1开始
下面是一个函数,它将方法放在适当的位置:
DFTabulate <- function(indf) {
nbins <- max(indf)
`colnames<-`(t(apply(indf + 1, 1, tabulate, nbins = nbins + 1)), 0:nbins)
}
您指定您有一个“大的”data.frame
,但没有描述它有多大,因此我不确定以下基准的相关性
然而,为了分享使用这种方法背后的逻辑:tablate
通常是一个非常快速的函数,所以我想我应该利用它的效率
以下是基准:
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
set.seed(1)
nrow=10000
ncol=100
最小值=0
最大值=500
mydf这实际上是使用apply
+制表法的完美情况,除了在数据中包含零和需要包含零之外
由于您需要包含零的制表,因此对制表进行了一个小的修改,以从零开始,而不是从1开始
下面是一个函数,它将方法放在适当的位置:
DFTabulate <- function(indf) {
nbins <- max(indf)
`colnames<-`(t(apply(indf + 1, 1, tabulate, nbins = nbins + 1)), 0:nbins)
}
您指定您有一个“大的”data.frame
,但没有描述它有多大,因此我不确定以下基准的相关性
然而,为了分享使用这种方法背后的逻辑:tablate
通常是一个非常快速的函数,所以我想我应该利用它的效率
以下是基准:
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
set.seed(1)
nrow=10000
ncol=100
最小值=0
最大值=500
mydf打败了我!以上代码中需要更改的全部内容是将级别切换为0:6而不是1:6。@M_Fidino感谢您注意到这一点。是否可以在输出中保留行名(S1、S2..)。这里已知的级别范围,是否可以从数据中找到级别范围。@chas I更新了解决方案。从用于级别的数据中自动找到级别范围?快告诉我!以上代码中需要更改的全部内容是将级别切换为0:6而不是1:6。@M_Fidino感谢您注意到这一点。是否可以在输出中保留行名(S1、S2..)。以及此处已知的级别范围,是否可以从数据中找到级别范围。@chas I更新了解决方案。从要用于级别的数据中自动查找范围?