R 从两个数据帧创建评分矩阵
我试图比较存储在两个数据帧(R 从两个数据帧创建评分矩阵,r,dataframe,data.table,R,Dataframe,Data.table,我试图比较存储在两个数据帧(foo,bar)中的变量集(X)。每个X都是唯一的自变量,最多有10个Y值与其关联。我想通过比较每个foo.X和每个bar.X的共同值Y的数量来比较它们,因此输出可以是一个矩阵,其轴的长度为foo.X和bar.X 这个简单的foo和bar示例希望返回一个2x2矩阵,比较a,b和c,d: foo <- data.frame(x= c('a', 'a', 'a', 'b', 'b', 'b'), y=c('ab', 'ac', 'ad', 'ae', 'fx', '
foo
,bar
)中的变量集(X
)。每个X
都是唯一的自变量,最多有10个Y
值与其关联。我想通过比较每个foo.X和每个bar.X的共同值Y
的数量来比较它们,因此输出可以是一个矩阵,其轴的长度为foo.X和bar.X
这个简单的foo和bar示例希望返回一个2x2矩阵,比较a,b和c,d:
foo <- data.frame(x= c('a', 'a', 'a', 'b', 'b', 'b'), y=c('ab', 'ac', 'ad', 'ae', 'fx', 'fy'))
bar <- data.frame(x= c('c', 'c', 'c', 'd', 'd', 'd'), y=c('ab', 'xy', 'xz', 'xy', 'fx', 'xz'))
编写一个函数,用于比较两个堆叠列表中的成员资格
comparelists <- function(list1, list2) {
for (i in list1){
for (j in list2){
count <- 0
if (i[[1]] %in% j[[1]]) count <- count + 1
}
}
return count
}
comparelists要做到这一点,必须有上百种方法;我觉得这是一个相对简单的例子:
library(reshape2)
foo <- data.frame(x = c('a', 'a', 'a', 'b', 'b', 'b'),
y = c('ab', 'ac', 'ad', 'ae', 'fx', 'fy'))
bar <- data.frame(x = c('c', 'c', 'c', 'd', 'd', 'd'),
y = c('ab', 'xy', 'xz', 'xy', 'fx', 'xz'))
# Create a function that counts the number of common elements in two groups
nShared <- function(A, B) {
length(intersect(with(foo, y[x==A]), with(bar, y[x==B])))
}
# Enumerate all combinations of groups in foo and bar
(combos <- expand.grid(foo.x=unique(foo$x), bar.x=unique(bar$x)))
# foo.x bar.x
# 1 a c
# 2 b c
# 3 a d
# 4 b d
# Find number of elements in common among all pairs of groups
combos$n <- mapply(nShared, A=combos$foo.x, B=combos$bar.x)
# Reshape results into matrix form
dcast(combos, foo.x ~ bar.x)
# foo.x c d
# 1 a 1 0
# 2 b 0 1
library(重塑2)
要做到这一点,必须有一百种方法;我觉得这是一个相对简单的例子:
library(reshape2)
foo <- data.frame(x = c('a', 'a', 'a', 'b', 'b', 'b'),
y = c('ab', 'ac', 'ad', 'ae', 'fx', 'fy'))
bar <- data.frame(x = c('c', 'c', 'c', 'd', 'd', 'd'),
y = c('ab', 'xy', 'xz', 'xy', 'fx', 'xz'))
# Create a function that counts the number of common elements in two groups
nShared <- function(A, B) {
length(intersect(with(foo, y[x==A]), with(bar, y[x==B])))
}
# Enumerate all combinations of groups in foo and bar
(combos <- expand.grid(foo.x=unique(foo$x), bar.x=unique(bar$x)))
# foo.x bar.x
# 1 a c
# 2 b c
# 3 a d
# 4 b d
# Find number of elements in common among all pairs of groups
combos$n <- mapply(nShared, A=combos$foo.x, B=combos$bar.x)
# Reshape results into matrix form
dcast(combos, foo.x ~ bar.x)
# foo.x c d
# 1 a 1 0
# 2 b 0 1
library(重塑2)
foo这里有一个使用merge
library(reshape2)
df1 <- merge(foo, bar, by = 'y')
dcast(df1, x.x ~ x.y, length)
x.x c d
1 a 1 0
2 b 0 1
下面是一个使用merge
library(reshape2)
df1 <- merge(foo, bar, by = 'y')
dcast(df1, x.x ~ x.y, length)
x.x c d
1 a 1 0
2 b 0 1
美好的我看到你扩展到一个大网格,计算重叠,然后重铸。优雅的但如果foo和bar实际上有数千名成员呢?你会改变你的方法吗?除非计算真的慢下来,否则我不会改变它。但我认为这应该可以很好地扩展到更大的数据集。谢谢Josh。我是R方面的新手,没有使用过intersect、expand.grid、dcast或mapply,所以除了快速回答之外,这真是一个帮助!在组合之后,data.frames的列可能属于类字符
,而不是因子
,因此levels()
对它们不起作用。我已经编辑了答案,将levels()
替换为unique()
。它现在应该可以同时处理字符和因子列。很好!我看到你扩展到一个大网格,计算重叠,然后重铸。优雅的但如果foo和bar实际上有数千名成员呢?你会改变你的方法吗?除非计算真的慢下来,否则我不会改变它。但我认为这应该可以很好地扩展到更大的数据集。谢谢Josh。我是R方面的新手,没有使用过intersect、expand.grid、dcast或mapply,所以除了快速回答之外,这真是一个帮助!在组合之后,data.frames的列可能属于类字符
,而不是因子
,因此levels()
对它们不起作用。我已经编辑了答案,将levels()
替换为unique()
。它现在应该可以与character和factor列一起使用。谢谢@ramnath-这确实是一个非常优雅和简单的解决方案。不幸的是,当我将它应用于整个数据集时,这个家伙也会使我的计算机崩溃。我想我要回到我的R之前的策略,使用python处理我的数据(我迭代数据并将结果写入一个文件,这样计算机就不会翻转),然后使用R进行绘图功能。foo
和bar
有多大?它们包含多少级别?请检查我的编辑。它使用data.table
进行合并
,因此非常有效。你能检查一下这对你是否有效吗?如果这一步是瓶颈的话,我正试图找出一种有效的方法来转换数据。使用datatable要快得多。我的foo
和bar
大约有55k和1.5M长。我还没有试过在全长数据框上进行转换,因为我认为可能会有一些有趣的事情发生在dables加入的方式上。data.table太棒了!结果表的dcast非常快,现在我可以专注于根据自己的心意进行强制转换/拆分/子集设置。谢谢你花时间给我展示这个方法。堆栈溢出社区给我留下了深刻的印象!谢谢@ramnath-这确实是一个非常优雅和简单的解决方案。不幸的是,当我将它应用于整个数据集时,这个家伙也会使我的计算机崩溃。我想我要回到我的R之前的策略,使用python处理我的数据(我迭代数据并将结果写入一个文件,这样计算机就不会翻转),然后使用R进行绘图功能。foo
和bar
有多大?它们包含多少级别?请检查我的编辑。它使用data.table
进行合并
,因此非常有效。你能检查一下这对你是否有效吗?如果这一步是瓶颈的话,我正试图找出一种有效的方法来转换数据。使用datatable要快得多。我的foo
和bar
大约有55k和1.5M长。我还没有试过在全长数据框上进行转换,因为我认为可能会有一些有趣的事情发生在dables加入的方式上。data.table太棒了!结果表的dcast非常快,现在我可以专注于根据自己的心意进行强制转换/拆分/子集设置。谢谢你花时间给我展示这个方法。堆栈溢出社区给我留下了深刻的印象!
foo_dt <- data.table(foo, key = 'y')
bar_dt <- data.table(bar, key = 'y')
df1 <- bar_dt[foo_dt, nomatch = 0]