将长表转换为宽格式，仅计算一列

Question

我有一个如下所示的长格式表，在这个输入表中每一行都是唯一的：-

 year variable
  2014   ab  
  2014   cd  
  2014   ef 
  2016   ef 
  2016   gh
  2014   ab  
  2014   cd  
  2014   ef 
  2016   ef 
  2016   gh

我想将此表转换为宽格式，但仅限variable 列，它看起来像一个应急矩阵。例如 - 如下输出表所示，ab+cd 的组合在 2014 年出现 ONCE，ab+ef 组合在 2014 年也出现 ONCE。这样，我的输出表的第一行清楚地显示所有Counts 的不同组合variable 不同年份输入表的列。

year    value  ab  cd  ef  gh  
2014    ab     2    2   2   0
2014    cd     2    2   2   0 
2014    ef     2    2   2   0 
2014    ef     0    0   2   2 
2016    gh     0    0   2   2 

我尝试了很多次重塑表格，但未能达到我想要的结果。如果解决方案包括使用data.table，我将非常感激。谢谢你。

Answer 1

假设您希望 ef-cd 单元格为 1 而不是 0，这里是使用 igraph 和 tidyverse 的一种稍微复杂的方法。这个想法是创建一个二分图，找到 1-mode 投影，并从该投影创建一个邻接矩阵：

library(tidyverse)
library(igraph)

df <- tibble(year = c("2014",
                "2014",
                "2014",
                "2016",
                "2016"),
             variable = c("ab",
                          "cd",
                          "ef",
                          "ef",
                          "gh"))

tab <- df %>% 
  group_split(year) %>% 
  map(~ .x %>% 
        graph_from_data_frame(directed = FALSE) %>% 
        set_vertex_attr("type", value = ifelse(V(.)$name %in% .x$year, TRUE, FALSE)) %>% 
        bipartite_projection(which = FALSE) %>% 
        add_edges(rep(1:length(unique(.x$variable)), 2) %>% sort()) %>% 
        as_adjacency_matrix(sparse = FALSE) %>% 
        as_tibble()) %>% 
  bind_rows() %>% 
  mutate_all(coalesce, 0)

cbind(df, tab)
#>   year variable ab cd ef gh
#> 1 2014       ab  1  1  1  0
#> 2 2014       cd  1  1  1  0
#> 3 2014       ef  1  1  1  0
#> 4 2016       ef  0  0  1  1
#> 5 2016       gh  0  0  1  1

^{由reprex package (v0.3.0) 于 2020-04-14 创建}

Answer 2

一种方法是按年份为变量的每次出现分配一个 id，转为宽格式，按年份拆分，取这些表的叉积，然后重新组合。

library(dplyr)
library(purrr)
library(tidyr)

df %>% 
  group_by(year, variable) %>%
  mutate(x = 1,
         id = seq_along(x)) %>%
  pivot_wider(names_from = variable, values_from = x, values_fill = list(x = 0)) %>%
  split(x = ., f = .$year) %>%
  map_df(~ crossprod(as.matrix(.x[-c(1,2)])) %>%
        subset(., rowSums(.) > 0) %>%
        as.data.frame() %>%
        rownames_to_column(), .id = "year")

  year rowname ab cd ef gh
1 2014      ab  2  2  2  0
2 2014      cd  2  2  2  0
3 2014      ef  2  2  2  0
4 2016      ef  0  0  2  2
5 2016      gh  0  0  2  2

Answer 3

这是一个使用data.table的选项：

vs <- DT[, unique(variable)]
for (x in vs) set(DT, j=x, value=0L)
DT[, (vs) := {
        m <- as.matrix(.SD)
        m[, match(variable, vs)] <- 1L
        as.data.table(m)
    }, year, .SD=vs]
DT

还有：

DT[, (vs) := {
        m <- copy(.SD)
        m[, match(variable, vs)] <- 1L
        m
    }, year, .SD=vs]

根据问题描述输出（正如 Daniel O 和 meriops 所指出的，期望的输出和问题描述之间存在一些不一致）：

   year variable ab cd ef gh
1: 2014       ab  1  1  1  0
2: 2014       cd  1  1  1  0
3: 2014       ef  1  1  1  0
4: 2016       ef  0  0  1  1
5: 2016       gh  0  0  1  1

数据：

library(data.table)
DT <- fread("year variable
2014   ab  
2014   cd  
2014   ef 
2016   ef 
2016   gh")

Answer 4

这是Base R 中完成此任务的一些代码

df_new <- t(sapply(unique(df$year), function(X) lapply(unique(df$variable), function(Y)  length(which(df$variable== Y & df$year == X)))))
row.names(df_new) <- unique(df$year)
colnames(df_new) <- unique(df$variable)

输出：

     ab cd ef gh
2014 1  1  1  0 
2016 0  0  1  1 

输入数据：

Input = (
  ' year variable
  2014   ab  
  2014   cd  
  2014   ef 
  2016   ef 
  2016   gh')
df = read.table(textConnection(Input), header = T)

Answer 5

df <- data.table(df)
df_dcast <- dcast.data.table(df,year~value,fun=length)