R将数据拆分为频率[重复]答案

【问题标题】：R split data to frequency [duplicate]R将数据拆分为频率[重复]
【发布时间】：2016-02-06 05:53:40
【问题描述】：

我有一个这样的数据集，其中有一个包含逗号分隔代码的变量（“item”）：

id  item
1    102, 103,401,
2    108,102,301
3    103, 108 , 405, 505, 708

对于每个 id，我想获取每个单独项目的频率，如下所示：

id  102  103   104   108  301 401 ...
1    1    1                    1
2    1                 1    1
3         1            1

我该怎么做？

【问题讨论】：

标签： r

【解决方案1】：

我们可以使用来自qdapTools 的mtabulate 来做到这一点

library(qdapTools)
cbind(dat['id'], mtabulate(strsplit(dat$item, '\\s*,\\s*')))
#  id 102 103 108 301 401 405 505 708
#1  1   1   1   0   0   1   0   0   0
#2  2   1   0   1   1   0   0   0   0
#3  3   0   1   1   0   0   1   1   1

注意：数据取自 @thelatemail 的帖子。

或者其他选项（如果我们需要sparseMatrix）

library(Matrix)
#split the 'item' column to `list`
lst <- strsplit(dat$item, '\\s*,\\s*')
#get the `unique` elements after `unlist`ing.
Un1 <- sort(unique(unlist(lst)))
#create a `sparseMatrix` by specifying the row
#column index along with dim names (if needed)
sM <-  sparseMatrix(rep(dat$id, lengths(lst)), 
            match(unlist(lst), Un1), x= 1, 
             dimnames=list(dat$id, Un1))
sM
#    3 x 8 sparse Matrix of class "dgCMatrix"
#   102 103 108 301 401 405 505 708
#1   1   1   .   .   1   .   .   .
#2   1   .   1   1   .   .   .   .
#3   .   1   1   .   .   1   1   1

可以通过as.matrix包裹转换为matrix

as.matrix(sM)
#   102 103 108 301 401 405 505 708
#1   1   1   0   0   1   0   0   0
#2   1   0   1   1   0   0   0   0
#3   0   1   1   0   0   1   1   1

【讨论】：

谢谢，但是当我运行代码时 q
@user2609451 在我从 thelatemail 的帖子中获取的数据集中，“项目”列是 character。如果您有 factor 类，请将其转换为 character 并且它应该可以正常工作（因为 strsplit 需要 character 类列）即。 mtabulate(strsplit(as.character(text$item),...
对不起，从我的 url 数据开始
我已经解决了上述问题，但是，当运行函数 sM 时，我在 i + (!(m.i || i1)) 中收到此错误：二进制运算符的非数字参数跨度>
@user2609451 正如我上面提到的，我使用的是 thelatemail 的数据，它运行良好。关于$算子的问题，看看你有没有matrix作为数据集。

【解决方案2】：

使用strsplit，然后利用factor 确保包含所有列数。

spl <- strsplit(dat$item,"\\s*,\\s*")
ulevs <- sort(unique(unlist(spl)))
tab <- t(vapply(
  spl, 
  function(x) table(factor(x,levels=ulevs)),
  FUN.VALUE=numeric(length(ulevs))
))
cbind(dat["id"],tab)

#  id 102 103 108 301 401 405 505 708
#1  1   1   1   0   0   1   0   0   0
#2  2   1   0   1   1   0   0   0   0
#3  3   0   1   1   0   0   1   1   1

使用的数据：

dat <- read.table(text="id;item
1;102, 103,401,
2;108,102,301
3;103, 108 , 405, 505, 708",header=TRUE,sep=";",stringsAsFactors=FALSE)

【讨论】：

或者修改你的方法是table(stack(setNames(spl, dat$id))[2:1])
谢谢您..但是当我运行第一行时，我收到此消息 Error in dat$item : $ operator is invalid for atomic vectors。我已经使用这个命令 dati

【解决方案3】：

您可以使用strsplit 函数执行此操作。以下是我的解决方案

library(data.table)
id <- c(1:3)
item <- c("102, 103,401",  "108,102,301", "103, 108 , 405, 505, 708")
dataT <- data.table(id, item)

reqCol <- unlist(strsplit(dataT$item, split=","))
reqCol <- gsub(" ", "", reqCol)
reqCol <-  unique(reqCol)
reqColNames <- paste0("Col_", reqCol)

for(i in 1:length(reqCol)){
    expr1 <- parse(text = paste0(reqColNames[i], ":=0"))
    expr2 <- parse(text = paste0(reqColNames[i], ":=1"))
    dataT[, eval(expr1)]
    rowIndex <- grep(reqCol[i], dataT$item)
    dataT[rowIndex, eval(expr2)] 
}

我使用了 data.table 而不是 data.frame，因为与 data.frame 相比，data.table 非常快。

【讨论】：

我想知道，是否可以使用矢量化代码删除 for 循环..
非常感谢...但是，当我运行此命令时 reqCol