如何添加按顺序计算重复项的列？

Question

我希望在数据框 (integrates2) 中添加一列，以按顺序计算重复项。下面是数据的样子：

name    program  date of contact   helper column
John     ffp        10/11/2014          2
John     TP         10/27/2014          2
Carlos   TP         11/19/2015          3
Carlos   ffp        12/1/2015           3
Carlos   wfd        12/31/2015          3
Jen      ffp        9/9/2014            2
Jen      TP         9/30/2014           2    

这是在特定日期参加了特定计划的人员列表。我添加了一个帮助列来计算重复次数并对联系日期进行排序。我正在计算现有程序的组合（例如 ffp-tp、tp-ffp-wfd）。

为了做到这一点，我想实现以下代码，以便在名为“program2”的新列的帮助下转置有序组合：

 #transpose the programs 
 require(reshape2) dcast(integrates2, name ~ program2, value.var=”program”)

然后我打算用下面的代码把结果转成表格和数据框并统计频率：

 res = table(integrates2)
 resdf = as.data.frame(res)

我在以下链接中看到了这个： Count number of time combination of events appear in dataframe columns ext

我需要的“program2”是这样的：

  Name    program  date of contact   helper column   program2
  John     ffp        10/11/2014          2             1
  John     TP         10/27/2014          2             2
  Carlos   TP         11/19/2015          3             1
  Carlos   ffp        12/1/2015           3             2
  Carlos   wfd        12/31/2015          3             3

这样，我可以使用“program2”转置到不同的列，然后计算组合。最终结果应如下所示：

    program  pro1   pro2   freq      
     ffp     tp             2   
     TP      ffp    wfd     1    

我确信有更简单的方法可以做到这一点，但随着我的学习，这就是我所在的地方。感谢大家的帮助！

Answer 1

在考虑了这个问题之后，我认为以下是要走的路。如果您不介意组合所有程序名称，您可以执行以下操作。这可能要好得多。

setDT(mydf)[, list(type = paste(program, collapse = "-")), by = name][,
           list(total = .N), by = type]

#         type total
#1:     ffp-TP     2
#2: TP-ffp-wfd     1

如果您想分隔程序名称，可以使用 splitstackshape 包中的 cSplit() 来实现。

setDT(mydf)[, list(type = paste(program, collapse = "-")), by = name][,
              list(total = .N), by = type] -> temp

cSplit(temp, splitCols = "type", sep = "-")

#   total type_1 type_2 type_3
#1:     2    ffp     TP     NA
#2:     1     TP    ffp    wfd

dplyr代码的等价是：

group_by(mydf, name) %>%
summarise(type = paste(program, collapse = "-")) %>%
count(type)

#        type     n
#       (chr) (int)
#1     ffp-TP     2
#2 TP-ffp-wfd     1

数据

mydf <- structure(list(name = c("John", "John", "Carlos", "Carlos", "Carlos", 
"Jen", "Jen"), program = c("ffp", "TP", "TP", "ffp", "wfd", "ffp", 
"TP"), dateOfContact = c("10/11/2014", "10/27/2014", "11/19/2015", 
"12/1/2015", "12/31/2015", "9/9/2014", "9/30/2014"), helperColumn = c(2L, 
2L, 3L, 3L, 3L, 2L, 2L)), .Names = c("name", "program", "dateOfContact", 
"helperColumn"), class = "data.frame", row.names = c(NA, -7L))

Answer 2

编辑：返回排列

与dplyr，

library(dplyr)
integrates2 %>% group_by(name) %>% summarise(prg1 = program[1],
                                             prg2 = program[2],
                                             prg3 = program[3]) %>% 
  select(prg1, prg2, prg3) %>% group_by(prg1, prg2, prg3) %>% summarise(freq = n())

返回

Source: local data frame [2 x 4]
Groups: prg1, prg2 [?]

    prg1   prg2   prg3  freq
  (fctr) (fctr) (fctr) (int)
1    ffp     TP     NA     2
2     TP    ffp    wfd     1

使用来自 cmets 的 mydf2，它会产生

Source: local data frame [3 x 4]
Groups: prg1, prg2 [?]

   prg1  prg2  prg3  freq
  (chr) (chr) (chr) (int)
1   ffp    TP    NA     1
2    TP   ffp    NA     1
3   wfd    TP   ffp     1

链条

• 在name 上调用group_by 以分隔案例；
• summarise 将program 转置为三列；
• select 缩小到这些列；
• group_by所有prg*列所以
• summarise 可以将它们分成不同的组，并添加 freq 这些组的出现次数。

---

或者，如果你愿意，你可以在基础 R 中完成所有事情，尽管它的可读性要差得多（至少使用这种特殊方法）：

tab <- table(sapply(split(integrages2$program, integrates2$name), 
             function(x){paste(x, collapse = '-')}))
prgs <- strsplit(names(tab), '-')
programs <- do.call(rbind, lapply(prgs, function(x){
  c(x, rep(NA, max(sapply(prgs, length)-length(x))))
  }))
programs <- cbind(as.data.frame(programs), matrix(tab))
names(programs) <- c(paste0('prgm', seq(length(programs)-1)), 'freq')

---

一个非常快速和肮脏的版本，它将系列折叠成字符串：

table(sapply(split(integrates2$program, integrates2$name), 
             function(x){paste(x, collapse = '-')}))

返回

ffp-TP TP-ffp-wfd 
     2          1 

或者如果包裹在as.matrix中，

           [,1]
ffp-TP        2
TP-ffp-wfd    1

---

预编辑版本：返回组合

使用reshape2，您可以使用dcast制作程序组合的data.frame（用[,-1]去掉我们不关心的names）：

library(reshape2)
programs <- dcast(integrates2, name ~ program, value.var = 'program')[,-1]

programs 看起来像：

> programs
  ffp TP  wfd
1 ffp TP  wfd
2 ffp TP <NA>
3 ffp TP <NA>

您现在可以使用dplyr 对programs 的所有列名进行分组（在此处以编程方式完成，但如果您想查看发生了什么，您可以使用group_by(ffp, TP, wfd) 手动完成）和summarise ，使用n() 获取组中的行数：

library(dplyr)
programs %>% group_by_(.dots = names(programs)) %>% summarise(freq = n())

返回

Source: local data frame [2 x 4]
Groups: ffp, TP [?]

    ffp    TP   wfd  freq
  (chr) (chr) (chr) (int)
1   ffp    TP   wfd     1
2   ffp    TP    NA     2