更快的计算频率和从长到宽投射的方法答案

【问题标题】：Faster ways to calculate frequencies and cast from long to wide更快的计算频率和从长到宽投射的方法
【发布时间】：2023-09-12 09:25:01
【问题描述】：

我正在尝试获取两个变量“week”和“id”的每个级别组合的计数。我希望结果将“id”作为行，将“week”作为列，并将计数作为值。

到目前为止我尝试过的示例（尝试了很多其他方法，包括添加一个虚拟变量 = 1，然后在上面添加 fun.aggregate = sum）：

library(plyr)
ddply(data, .(id), dcast, id ~ week, value_var = "id", 
        fun.aggregate = length, fill = 0, .parallel = TRUE)

但是，我一定是做错了什么，因为这个功能没有完成。有没有更好的方法来做到这一点？

输入：

id      week
1       1
1       2
1       3
1       1
2       3

输出：

  1  2  3
1 2  1  1
2 0  0  1

【问题讨论】：

标签： r aggregate plyr reshape2

【解决方案1】：

您可以使用table 命令：

table(data$id,data$week)

    1 2 3
  1 2 1 1
  2 0 0 1

如果“id”和“week”是数据框中仅有的列，您可以简单地使用：

table(data)
#    week
# id  1 2 3
#   1 2 1 1
#   2 0 0 1

【讨论】：

+1 爆炸。你有一个诀窍，可以让我的解决方案看起来完全冗长、迂回和行人。
如果你有很多不能简化的数据和操作，那么'data.table'包可能会对你有所帮助。

【解决方案2】：

您不需要ddply。来自reshape2 的dcast 就足够了：

dat <- data.frame(
    id = c(rep(1, 4), 2),
    week = c(1:3, 1, 3)
)

library(reshape2)
dcast(dat, id~week, fun.aggregate=length)

  id 1 2 3
1  1 2 1 1
2  2 0 0 1

编辑：对于基本 R 解决方案（table 以外 - 由 Joshua Uhlrich 发布），请尝试 xtabs：

xtabs(~id+week, data=dat)

   week
id  1 2 3
  1 2 1 1
  2 0 0 1

【讨论】：

【解决方案3】：

ddply 花费这么长时间的原因是按组拆分不是并行运行的（仅在“拆分”上进行计算），因此如果有大量组，它会很慢（和.parallel = T ) 不会有帮助。

使用data.table::dcast（data.table 版本 >= 1.9.2）的方法在时间和内存方面应该非常高效。在这种情况下，我们可以依赖默认参数值并简单地使用：

library(data.table) 
dcast(setDT(data), id ~ week)
# Using 'week' as value column. Use 'value.var' to override
# Aggregate function missing, defaulting to 'length'
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

或显式设置参数：

dcast(setDT(data), id ~ week, value.var = "week", fun = length)
#    id 1 2 3
# 1:  1 2 1 1
# 2:  2 0 0 1

对于data.table 1.9.2 之前的替代品，请参阅编辑。

【讨论】：

【解决方案4】：

tidyverse 选项可以是：

library(dplyr)
library(tidyr)

df %>%
  count(id, week) %>%
  pivot_wider(names_from = week, values_from = n, values_fill = list(n = 0))
  #spread(week, n, fill = 0) #In older version of tidyr

#     id   `1`   `2`   `3`
#   <dbl> <dbl> <dbl> <dbl>
#1     1     2     1     1
#2     2     0     0     1

或者使用来自janitor的tabyl：

janitor::tabyl(df, id, week)
# id 1 2 3
#  1 2 1 1
#  2 0 0 1

数据

df <- structure(list(id = c(1L, 1L, 1L, 1L, 2L), week = c(1L, 2L, 3L, 
1L, 3L)), class = "data.frame", row.names = c(NA, -5L))

【讨论】：