基于R中data.table中的另一个因素聚合一个因素

我有一个

R

数据。表
对象
DT
如下：

library(ggplot2)
library(data.table)

DT <- movies[movies$mpaa %in% c("NC-17", "PG", "PG-13", "R"), c("rating", "title", "mpaa")]
setDT(DT)
setnames(DT, colnames(DT), c("Gp", "ID", "FACTOR"))
DT[, FACTOR := droplevels(FACTOR)]
DT[, Gp := as.numeric(as.factor(Gp))]
setkey(DT, ID)
DT <- unique(DT)

DT
      Gp                       ID FACTOR
   1: 43                  $windle      R
   2: 61             'A' gai waak  PG-13
   3: 62    'A' gai waak juk jaap  PG-13
   4: 39                  'R Xmas      R
   5: 38       'Til There Was You  PG-13
  ---                                   
4899: 57                  Zuotian      R
4900: 27 Zyosyuu syukeininn Maria      R
4901: 57                 eXistenZ      R
4902: 45                      xXx  PG-13
4903: 29  xXx: State of the Union  PG-13

对于每个级别的
Gp
，我想获得每个级别的
因子的记录数。如何单独使用
data.table
更优雅地获得所需的结果
k
？
您可以使用
as.list（table（FACTOR））
在每组
Gp
中：

DT[, as.list(table(FACTOR)), by = Gp]

结果如下：

    Gp NC-17 PG PG-13  R
 1: 43     1  8    26 79
 2: 61     2  9    22 77
 3: 62     0  7    18 63
 4: 39     0 17    24 52
 5: 38     1 14    13 77
 6: 57     1 11    23 72
 7: 48     0 16    29 78
...

（要按示例输出中的
Gp
对它们进行排序，您可以将其更改为
DT[order（Gp），as.list（table（FACTOR）），by=Gp]
。
您可以在
Gp
的每组中使用
as.list（table（FACTOR））
：

DT[, as.list(table(FACTOR)), by = Gp]

结果如下：

    Gp NC-17 PG PG-13  R
 1: 43     1  8    26 79
 2: 61     2  9    22 77
 3: 62     0  7    18 63
 4: 39     0 17    24 52
 5: 38     1 14    13 77
 6: 57     1 11    23 72
 7: 48     0 16    29 78
...

（要按照示例输出中的
Gp
对它们进行排序，可以将其更改为
DT[order（Gp），as.list（table（FACTOR）），by=Gp]
。
我建议使用
dcast
：

require(data.table) # v1.9.4
dcast.data.table(DT, Gp ~ FACTOR, fun.aggregate = length)

或者从（以及将来的版本）中，我们可以直接使用
dcast（）
：

as.list（）。而
table（）
是另一个缓慢的函数

dcast（）
也会根据
Gp
列自动对结果排序


这里有一个足够大的基准来突出区别：

set.seed(1L)
bmark = data.table(Gp = sample(1e5, 1e7, TRUE), 
                   FACTOR = sample(levels(DT$FACTOR), 1e7, TRUE))
print(object.size(bmark), units="Mb")
# 114.4 Mb

system.time(ans1 <- dcast(bmark, Gp ~ FACTOR, fun.aggregate = length))
#    user  system elapsed 
#   0.998   0.026   1.030 

system.time(ans2 <- bmark[, as.list(table(FACTOR)), by=Gp])
#    user  system elapsed 
#  14.666   0.141  15.078 

identical(ans1, setkey(ans2, Gp))
# [1] TRUE

set.seed（1L）
bmark=data.table（Gp=sample（1e5，1e7，TRUE），
系数=样本（水平（DT$系数），1e7，真）
打印（对象大小（bmark），单位=“Mb”）
#114.4 Mb
system.time（ans1我建议使用
dcast
来：

require(data.table) # v1.9.4
dcast.data.table(DT, Gp ~ FACTOR, fun.aggregate = length)

或者从（以及将来的版本）中，我们可以直接使用
dcast（）
：

as.list（）

dcast（）
也会根据
Gp
列自动对结果排序


这里有一个足够大的基准来突出区别：

set.seed(1L)
bmark = data.table(Gp = sample(1e5, 1e7, TRUE), 
                   FACTOR = sample(levels(DT$FACTOR), 1e7, TRUE))
print(object.size(bmark), units="Mb")
# 114.4 Mb

system.time(ans1 <- dcast(bmark, Gp ~ FACTOR, fun.aggregate = length))
#    user  system elapsed 
#   0.998   0.026   1.030 

system.time(ans2 <- bmark[, as.list(table(FACTOR)), by=Gp])
#    user  system elapsed 
#  14.666   0.141  15.078 

identical(ans1, setkey(ans2, Gp))
# [1] TRUE

set.seed（1L）
bmark=data.table（Gp=sample（1e5，1e7，TRUE），
系数=样本（水平（DT$系数），1e7，真）
打印（对象大小（bmark），单位=“Mb”）
#114.4 Mb
系统时间（ans1）