循环并添加到R中的计数器

Question

我有一个数据框df，其中包含几列，但下面给出了唯一相关的列。

node    |   precedingWord
-------------------------
A-bom       de
A-bom       die
A-bom       de
A-bom       een
A-bom       n
A-bom       de
acroniem    het
acroniem    t
acroniem    het
acroniem    n
acroniem    een
act         de
act         het
act         die
act         dat
act         t
act         n

我想使用这些值来计算每个节点的precedingWords，但带有子类别。例如：要添加值的一列标题为neuter，另一列为non-neuter，最后一列为rest。 neuter 将包含所有值，previousWord 是以下值之一：t,het,dat。 non-neuter 将包含 de 和 die, 和 rest 将包含不属于 neuter 或 non-neuter 的所有内容。 （如果这可以是动态的，那就太好了，换句话说，rest 使用了某种用于中性和非中性的反转变量。或者只是从长度中减去中性和非中性的值具有该节点的行。）

示例输出（在一个新的数据帧中，比如说freqDf，看起来像这样：

node    |   neuter   | nonNeuter   | rest
-----------------------------------------
A-bom       0          4             2
acroniem    3          0             2
act         3          2             1

要创建freqDf$node，我可以这样做：

freqDf<- data.frame(node = unique(df$node), stringsAsFactors = FALSE)

但这已经是我的全部了；我不知道如何继续。我想我可以做这样的事情，但不幸的是 ++ 运算符没有像我希望的那样工作。

freqDf$neuter[grep("dat|het|t", df$precedingWord, perl=TRUE)] <- ++
freqDf$nonNeuter[grep("de|die", df$precedingWord, perl=TRUE)] <- ++

e <- table(df$Node)
freqDf$rest <- as.numeric(e - freqDf$neuter - freqDf$nonNeuter)

此外，这不适用于单独的每个节点。我需要某种循环，自动为freqDf$node 中的每个不同值运行。

Answer 1

一种方法是用它们的类别替换值，然后使用table函数生成频率。

neuter <- c("t", "het", "dat")
non.neuter <- c("de", "die")

df$precedingWord[df$precedingWord %in% neuter] <- "neuter"
df$precedingWord[df$precedingWord %in% non.neuter] <- "non.neuter"
df$precedingWord[!df$precedingWord %in% c(neuter, non.neuter)] <- "rest"

table(df)

      precedingWord
  node       neuter non.neuter rest
  A-bom         0          4    2
  acroniem      3          0    2
  act           3          2    1

但我确信使用 dplyr 包会有更好的解决方案。

编辑：也许是这样的： （它不会覆盖您的“precedingWord”列，而是添加一个新的“gender”）

library(dplyr)
df %>%
  mutate(gender = ifelse(!precedingWord %in% c(neuter, non.neuter), "rest", 
                         ifelse(precedingWord %in% neuter, "neuter", "non.neuter"))) %>%
  count(node, gender)


Source: local data frame [7 x 3]
Groups: node

      node     gender n
1    A-bom non.neuter 4
2    A-bom       rest 2
3 acroniem     neuter 3
4 acroniem       rest 2
5      act     neuter 3
6      act non.neuter 2
7      act       rest 1

# And if you want the same output you put in your question, you can use table
df2 <- mutate(df, gender = ifelse(!precedingWord %in% c(neuter, non.neuter), "rest", 
                       ifelse(precedingWord %in% neuter, "neuter", "non.neuter")))

table(df2$node, df2$gender)

           neuter non.neuter rest
  A-bom         0          4    2
  acroniem      3          0    2
  act           3          2    1

编辑：将表格转换为可操作的数据框

myTable <- table(df2$node, df2$gender) %>% 
  as.data.frame.matrix %>%
  mutate(node = row.names(.))

 > myTable
  neuter non.neuter rest     node
1      0          4    2    A-bom
2      3          0    2 acroniem
3      3          2    1      act
> str(myTable)
'data.frame':   3 obs. of  4 variables:
 $ neuter    : int  0 3 3
 $ non.neuter: int  4 0 2
 $ rest      : int  2 2 1
 $ node      : chr  "A-bom" "acroniem" "act"

# And here is a more understandable way if you are not familiar with piping
# To learn more about forward piping : https://github.com/smbache/magrittr 
myTable <- table(df2$node, df2$gender)
myTable2 <- as.data.frame.matrix(myTable)
myTable3 <- mutate(myTable2, node = row.names(myTable2))

Answer 2

R 通常不需要循环。它旨在使用向量和apply 命令作用于数据结构的所有元素。在这种情况下，您不需要使用tapply，因为table 函数已经完成了您想要的操作。

Julien 的答案适用于您的示例，但在（可能不寻常的）不存在给定类型的单词的情况下，它将失败。例如，如果您没有“neuter”字样，则表中将缺少“neuter”，而不是按预期显示全零。为了解决这个问题，您可以将单词类型视为一个因素。

请注意，在下面的代码中，我添加了第四种单词（“nonword”）来演示零单词的情况。

df<-as.data.frame(matrix(c("A-bom","de","A-bom","die","A-bom","de","A-bom","een","A-bom","n","A-bom","de","acroniem","het","acroniem","t","acroniem","het","acroniem","n","acroniem","een","act","de","act","het","act","die","act","dat","act","t","act","n"), byrow=T, ncol=2), stringsAsFactors=F)
names(df)<-c("node", "precedingWord")

# dictionary of word types. 
# I added a fourth type of word to demonstrate what happens 
# if no words of a given type are present.
classes<-c("t"="neuter", "het"="neuter" ,"dat"="neuter", "de"="non-neuter", "die"="non-neuter", "blorble"="nonword")

# create class variable and initialize to "rest"
df$class<-"rest"
df$class<-ifelse(!is.na(classes[df$precedingWord]), classes[df$precedingWord], "rest")

# note fourth category, "nonword", is missing.
table(df$node, df$class)

# make sure any missing categories are still possible levels for class
df$class<-factor(df$class)
levels(df$class)<-c(levels(df$class), unique(classes))

#now non-represented categories are still there. 
table(df$node, df$class)