长格式的成对计数数据答案

【问题标题】：Pairwise count data from long format长格式的成对计数数据
【发布时间】：2020-03-18 13:24:48
【问题描述】：

示例数据
我有以下数据：

df <- data.frame(
  id = c('X1','X1','X1','X1','X2','X2','X2','X2'),
  pos = c(1,2,3,4,1,2,3,4),
  group = c(100,200,100,300,100,200,100,200)
)

因此看起来像：

  id pos group
1 X1   1   100
2 X1   2   200
3 X1   3   100
4 X1   4   300
5 X2   1   100
6 X2   2   200
7 X2   3   100
8 X2   4   200

我想达到的目标
我想使用geom_segment() 绘制这些数据，其中pos 将在x 轴上，group 在y 轴上。然后对于这些段中的每一个，我想计算它们在数据集中出现的频率（基于id 列）。对示例数据集执行此操作时，结果将是：

pos1 pos2 group1 group2 id.count
1    2    100    200    2  
2    3    200    100    2  
3    4    100    300    1  
3    4    100    200    1

我不知道如何开始，虽然我熟悉 dplyr 的 group_by，但我不知道如何构建最初的四列。

【问题讨论】：

标签： r count transform

【解决方案1】：

如果您的数据集中的顺序与您的示例中的一样，您可以试试这个：

 library(dplyr)

 df %>% group_by(id) %>% 
        transmute(pos1 = pos, pos2 = lead(pos),
        group1 = group, group2 = lead(group)) %>%
        na.omit() %>% ungroup()%>%
        count(pos1, pos2, group1, group2, name = "id.count")
# A tibble: 4 x 5
#   pos1  pos2 group1 group2 id.count
#  <dbl> <dbl>  <dbl>  <dbl>    <int>
#     1     2    100    200        2
#     2     3    200    100        2
#     3     4    100    200        1
#     3     4    100    300        1

【讨论】：

【解决方案2】：

我尝试了以下可行的方法，但想知道是否有更优雅的解决方案：

# Simple stats
vals <- unique(df$pos)
min.val = min(vals)
max.val = max(vals)

# Combination
comb.df <- data.frame(
  pos1 = min.val:(max.val - 1),
  pos2 = (min.val + 1): max.val
)

# Combine
comb.df <- comb.df %>% 
  left_join(df %>% select(pos1 = pos, group1 = group, id )) %>%
  left_join(df %>% select(pos2 = pos, group2 = group, id ))

# Count
comb.df <- comb.df %>% 
  group_by(pos1, pos2, group1, group2) %>%
  summarise(n.ids = n_distinct(id))

【讨论】：