R 求和值在两列中出现的次数

我有一个很大的数据集——大约3200万行。我有关于电话号码、电话来源和目的地的信息

对于每个电话号码，我想计算它作为起始或目的地出现的次数

示例数据表如下所示：

library(data.table)
dt <- data.table(Tel=seq(1,5,1), Origin=seq(1,5,1), Destination=seq(3,7,1))

    Tel Origin Destination 
1:   1      1           3 
2:   2      2           4
3:   3      3           5 
4:   4      4           6 
5:   5      5           7 

---

其中N表示Tel=1出现1，Tel=2出现1，Tel=3,4和5各出现2次。

我们可以进行

熔化
和
匹配

dt[, N := melt(dt, id.var = "Tel")[, tabulate(match(value, Tel))]]


或者另一个选项是循环第2列和第3列，使用%
中的
%检查“Tel”中的值是否存在，然后使用
减少
和
+
获取每个“Tel”的逻辑元素之和，将（
：=
）值分配给“N”

dt[, N := Reduce(`+`, lapply(.SD, function(x) Tel %in% x)), .SDcols = 2:3]
dt
#   Tel Origin Destination N
#1:   1      1           3 1
#2:   2      2           4 1
#3:   3      3           5 2
#4:   4      4           6 2
#5:   5      5           7 2

我们可以进行
melt
和
match

dt[, N := melt(dt, id.var = "Tel")[, tabulate(match(value, Tel))]]


或者另一个选项是循环第2列和第3列，使用%
中的
%检查“Tel”中的值是否存在，然后使用
减少
和
+
获取每个“Tel”的逻辑元素之和，将（
：=
）值分配给“N”

dt[, N := Reduce(`+`, lapply(.SD, function(x) Tel %in% x)), .SDcols = 2:3]
dt
#   Tel Origin Destination N
#1:   1      1           3 1
#2:   2      2           4 1
#3:   3      3           5 2
#4:   4      4           6 2
#5:   5      5           7 2

第二个方法构造一个临时data.table，然后将其连接到原始数据。这比@akrun的要长，效率可能要低，但是可以看到它很有用

# get temporary data.table as the sum of origin and destination frequencies
temp <- setnames(data.table(table(unlist(dt[, .(Origin, Destination)], use.names=FALSE))),
                 c("Tel", "N"))
# turn the variables into integers (Tel is the name of the table above, and thus character)
temp <- temp[, lapply(temp, as.integer)]

第二个方法构造一个临时data.table，然后将其连接到原始数据。这比@akrun的要长，效率可能要低，但是可以看到它很有用

# get temporary data.table as the sum of origin and destination frequencies
temp <- setnames(data.table(table(unlist(dt[, .(Origin, Destination)], use.names=FALSE))),
                 c("Tel", "N"))
# turn the variables into integers (Tel is the name of the table above, and thus character)
temp <- temp[, lapply(temp, as.integer)]

请注意，不是<代码> > 循环，这本身就是问题，而是如何执行操作。也许你应该考虑使用图论，在这里用TrimH包（电话号码作为节点，调用有向边）。请注意，循环不是<代码>，这本身就是问题。但是，你应该如何执行这个操作。也许你应该考虑使用图论，用TrimH包（电话号码作为节点，调用有向边）。但是你的代码产生了以下结果，这是不正确的。我得到了前两个电话号码N=3和N=4，而不是应该的1。但我会再次检查。@RalucaGui我的代码给出了您在后更正中显示的预期输出，我的错误！代码运行平稳。谢谢但是您的代码产生了以下结果，这是不正确的。我得到了前两个电话号码N=3和N=4，而不是应该的1。但我会再次检查。@RalucaGui我的代码给出了您在后更正中显示的预期输出，我的错误！代码运行平稳。谢谢
setcolorder(dt, c("Tel", "Origin", "Destination", "N"))