R：一种基于另一个表中的值进行过滤的方法？

Question

我有两个具有以下结构的表。表 1，我将其称为汇总表，是一个包含计数的类别值列表：

Category	Value	Count
Cat1	Val1
Cat1	Val2
Cat1	Val3
Cat2	Val1
Cat2	Val2
Cat3	Val1
Cat3	Val2

summary <- data.frame(Category = c('Cat1', 'Cat1', 'Cat1', 'Cat2', 'Cat2', 'Cat3', 'Cat3'),
                      Value = c('Val1', 'Val2', 'Val3', 'Val1', 'Val2', 'Val1', 'Val2'),
                      Count = c(NA,NA,NA,NA,NA,NA,NA))

我想用从表 2 收集的计数填充此表，我们将其称为原始数据表，其结构如下：

Entity	Cat1	Cat2	Cat3
Ent1	Val1	Val1	Val2
Ent2	Val1	Val1	Val2
Ent3	Val2	Val2	Val1
Ent4	Val2	Val1	Val2
Ent5	Val3	Val1	Val2
Ent6	Val3	Val1	Val1
Ent7	Val3	Val2	Val2

rawdata <- data.frame(Entity = c('Ent1', 'Ent2', 'Ent3', 'Ent4', 'Ent5', 'Ent6', 'Ent7'),
                      Cat1 = c('Val1', 'Val1', 'Val2', 'Val2', 'Val3', 'Val3', 'Val3'),
                      Cat2 = c('Val1', 'Val1', 'Val2', 'Val1', 'Val1', 'Val1', 'Val2'),
                      Cat3 = c('Val2', 'Val2', 'Val1', 'Val2', 'Val2', 'Val1', 'Val2'))

我想用每个类别和值对的适当计数填充汇总表中的“计数”列。以编程方式，我想做的是有一个计数器，通过原始数据表并更新每个值的计数。我认为这在 R 中效率非常低。我想我会做的是过滤值，但是因为列名没有被评估为变量，所以我不知道如何做到这一点。

我已经尝试过（我认为我想要的东西是）：

library(dplyr)
summary$Count <- nrow(rawdata %>% filter(get(summary$Category) == get(summary$Value)))

但是，这不起作用。如何让过滤器从另一个表中获取值？

Answer 1

我们可以使用pivot_longer 重塑为“长”格式并使用count 来获取频率计数

library(dplyr)
library(tidyr)
rawdata %>% 
  pivot_longer(cols = -Entity, names_to = "Category", values_to = "Value") %>% 
  count(Category, Value)

-输出

# A tibble: 7 x 3
#  Category Value     n
#  <chr>    <chr> <int>
#1 Cat1     Val1      2
#2 Cat1     Val2      2
#3 Cat1     Val3      3
#4 Cat2     Val1      5
#5 Cat2     Val2      2
#6 Cat3     Val1      2
#7 Cat3     Val2      5

注意：pivot_longer 将数据从“宽”格式重塑为“长”格式。通过指定cols = -Entity，它将其余列转换为“长”格式，列名称为names_to指定的“类别”，对应的值为“值”(values_to)

---

或者使用base R 和table

subset(as.data.frame(table(data.frame(Category =
   names(rawdata)[-1][col(rawdata[-1])], 
        Value = unlist(rawdata[-1])))), Freq  > 0)