R 计算频率和从长到宽转换的更快方法

我试图获得两个变量“周”和“id”的水平组合的计数。我希望结果以“id”作为行，“week”作为列，计数作为值

到目前为止我已经尝试过的示例（尝试了一系列其他事情，包括添加一个虚拟变量=1，然后在此基础上添加

fun.aggregate=sum

）：

但是，我一定是做错了什么，因为这个函数没有完成。有更好的方法吗

输入：

id      week
1       1
1       2
1       3
1       1
2       3

输出：

  1  2  3
1 2  1  1
2 0  0  1

---

对此，您不需要

ddply

。来自重塑2的

dcast

已足够：

dat <- data.frame(
    id = c(rep(1, 4), 2),
    week = c(1:3, 1, 3)
)

library(reshape2)
dcast(dat, id~week, fun.aggregate=length)

  id 1 2 3
1  1 2 1 1
2  2 0 0 1

---

您可以只使用

表

命令：

table(data$id,data$week)

    1 2 3
  1 2 1 1
  2 0 0 1

如果“id”和“week”是数据框中唯一的列，您可以简单地使用：

table(data)
#    week
# id  1 2 3
#   1 2 1 1
#   2 0 0 1

library(data.table) 
dcast(setDT(data), id ~ week)
# Using 'week' as value column. Use 'value.var' to override
# Aggregate function missing, defaulting to 'length'
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

---

ddply

花费如此长时间的原因是，按组进行的拆分不是并行运行的（只有“拆分”上的计算），因此对于大量的组来说，它将是缓慢的（并且

.parallel=T

）将没有帮助

使用

data.table:：dcast

（

data.table

version>=1.9.2）的方法在时间和内存方面应该非常高效。在这种情况下，我们可以依赖默认参数值，只需使用：

table(data)
#    week
# id  1 2 3
#   1 2 1 1
#   2 0 0 1

library(data.table) 
dcast(setDT(data), id ~ week)
# Using 'week' as value column. Use 'value.var' to override
# Aggregate function missing, defaulting to 'length'
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

或者显式设置参数：

dcast(setDT(data), id ~ week, value.var = "week", fun = length)
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

---

---

有关pre-

数据。表

1.9.2备选方案，请参见编辑。

A

tidyverse

选项可以是：

library(dplyr)
library(tidyr)

df %>%
  count(id, week) %>%
  pivot_wider(names_from = week, values_from = n, values_fill = list(n = 0))
  #spread(week, n, fill = 0) #In older version of tidyr

#     id   `1`   `2`   `3`
#   <dbl> <dbl> <dbl> <dbl>
#1     1     2     1     1
#2     2     0     0     1

数据

df <- structure(list(id = c(1L, 1L, 1L, 1L, 2L), week = c(1L, 2L, 3L, 
1L, 3L)), class = "data.frame", row.names = c(NA, -5L))

---

df+1爆炸。你有本事让我的解决方案看起来非常冗长、迂回和平淡。如果你有很多数据和操作无法简化，那么“data.table”包可能会帮助你。
df <- structure(list(id = c(1L, 1L, 1L, 1L, 2L), week = c(1L, 2L, 3L, 
1L, 3L)), class = "data.frame", row.names = c(NA, -5L))