R聚合并处理缺失的组合

Question

我有一个数据框，其中包含我的数据 x 和三个不同的因素（主题、任务和正确答案）。

 subj <- rep(c(1,2,3), times=4)
 task <- c("A","A","A","A","A","A","B","B","B","B","B","B")
 correct <- c(1,1,1,0,0,0,1,1,1,0,0,0)
 x <- runif(12)
 df <- data.frame(subj, task, correct, x)

我想获得这三个因素的每个可能组合中的试验次数（3 个 subjs * 2 个任务 * 2 个正确/不正确 = 12 个组合）。当然，这是一个不好的例子，因为我对每种组合只进行了一次试验，但你明白了。所以我这样做：

 > aggregate(x~subj+task+correct, length, data=df)
    subj task correct x
 1     1    A       0 1
 2     2    A       0 1
 3     3    A       0 1
 4     1    B       0 1
 5     2    B       0 1
 6     3    B       0 1
 7     1    A       1 1
 8     2    A       1 1
 9     3    A       1 1
 10    1    B       1 1
 11    2    B       1 1
 12    3    B       1 1

但现在说我的数据中缺少一些组合：

 > newdf <- df[-2,]

使用相同的聚合函数不会显示我所有可能的组合，仅显示 12 种组合中的 11 种。我想为我的缺失组合获得长度为 0（或 NA，或类似的东西）。

注意：有一个类似的问题here，但我认为它并不能完全回答我的问题。

Answer 1

您需要 (1) 获取分组列的笛卡尔积，(2) 将其与 data.frame 合并，以及 (3) 执行聚合。在 data.table 中，看起来像

library(data.table) # version 1.9.5+

setDT(newdf, key = c("subj","task","correct"))
newdf[CJ(subj, task, correct, unique=TRUE), .N, by=.EACHI]

给了

    subj task correct N
 1:    1    A       0 1
 2:    1    A       1 1
 3:    1    B       0 1
 4:    1    B       1 1
 5:    2    A       0 1
 6:    2    A       1 0 # not NA
 7:    2    B       0 1
 8:    2    B       1 1
 9:    3    A       0 1
10:    3    A       1 1
11:    3    B       0 1
12:    3    B       1 1

setDT 修改 newdf 以便 data.table 语法适用于它。设置 key 会按这些列对表进行排序，并为更快的合并做好准备。

CJ 采用其参数的“交叉”或“笛卡尔”乘积。 （@nongkrong 的回答中看到的expand.grid 是基本的 R 类比。）X[Y, j, by=.EACHI] 语法表示：合并 X 和 Y，并且对于合并列的每个唯一组合，计算 j。在这种情况下，您正在寻找length，它与行数相同；在 data.table 中，.N 是这个数字的快捷方式。

对于这种特殊情况，即简单地汇总以计算观察值，我认为@jeremycg 答案中的方法更有意义——使用专门为频率制表设计的函数。

Answer 2

你可以从基地使用xtabs：

as.data.frame(xtabs(~ subj + task + correct, data = newdf))

   subj task correct Freq
1     1    A       0    1
2     2    A       0    1
3     3    A       0    1
4     1    B       0    1
5     2    B       0    1
6     3    B       0    1
7     1    A       1    1
8     2    A       1    0
9     3    A       1    1
10    1    B       1    1
11    2    B       1    1
12    3    B       1    1

更简单，同样来自@Frank：

as.data.frame(table(newdf[1:3]))

Answer 3

sqldf package 的小技巧：

library(sqldf)
newdf <- df[-2,]
combinations <- sqldf('select * 
                       from (select distinct subj from newdf) as a, 
                            (select distinct task from newdf) as b, 
                            (select distinct correct from newdf) as c')
sqldf('select c.*, count(d.x) as count_x 
       from combinations as c 
           left join newdf as d on c.subj=d.subj 
                          and c.task=d.task 
                          and c.correct=d.correct 
       group by c.subj, c.task, c.correct')
##    subj task correct count_x
## 1     1    A       0       1
## 2     1    A       1       1
## 3     1    B       0       1
## 4     1    B       1       1
## 5     2    A       0       1
## 6     2    A       1       0
## 7     2    B       0       1
## 8     2    B       1       1
## 9     3    A       0       1
## 10    3    A       1       1
## 11    3    B       0       1
## 12    3    B       1       1

sqldf 包允许您使用 SQL 查询像处理数据库表一样操作数据帧。

---

奖金

如果您想用这些数据创建一个“数据透视表”，并使用正确 (1) 和不正确 (1) 作为数据标签，您可以使用 reshape 包：

aggregate_df <- sqldf('select c.*, count(d.x) as count_x 
                       from combinations as c 
                           left join newdf as d on c.subj=d.subj 
                                               and c.task=d.task 
                                               and c.correct=d.correct 
                       group by c.subj, c.task, c.correct')
library(reshape)
md <- melt(aggregate_df, id=c('subj','task','correct'))
cast(md, subj+task~correct)
##   subj task 0 1
## 1    1    A 1 1
## 2    1    B 1 1
## 3    2    A 1 0
## 4    2    B 1 1
## 5    3    A 1 1
## 6    3    B 1 1