检查R中的匹配项

Question

我有一个有两列的表:

aaa     bbb
a1      b2
a1      b6
a1      b2
a1      b2
a1      b5
a1      b6
a2      b2
a2      b2
a2      b2
a2      b6
a2      b6
a2      b5

这些列都不应被视为已排序.我想要做的是找到最优雅的方式来计算aaa,bbb给出aaa的多少组合,然后采用最流行的组合(100说)并减去所有剩余组合(10说)的总和,这是预计会比受欢迎的人少.输出应该是元素aaa以及这两个数字之间的差异.例如,上面的输出应该如下:

var     cnt
a1      0
a2      0

有任何想法吗？

Answer 1

这是使用的一种方式 data.table

require(data.table)
DT <- data.table(df) # where df is your data.frame
setkey(DT[, .N, by=list(aaa, bbb)], aaa, N)[, list(cnt = 
                                      N[.N]-sum(N[-.N])), by=aaa]

   aaa cnt
1:  a1   0
2:  a2   0

我们的想法是首先得到每个组合的计数.这通过以下方式实现:

OUT <- DT[, .N, by = list(aaa, bbb)]
# which gives you: 
   aaa bbb N
1:  a1  b2 3
2:  a1  b6 2
3:  a1  b5 1
4:  a2  b2 3
5:  a2  b6 2
6:  a2  b5 1

在此之后,我们setkey在列aaa和N上,默认情况下会对它们进行排序(这是设置密钥的唯一目的).

OUT <- setkey(DT[, .N, by=list(aaa, bbb)], aaa, N)
# which gives you:
  aaa bbb N
1:  a1  b5 1
2:  a1  b6 2
3:  a1  b2 3
4:  a2  b5 1
5:  a2  b6 2
6:  a2  b2 3

现在它已经排序了,我们可以按列aaa拆分/分组并获取最终的cnt列.由于N已排序,因此最大值将始终为最后一个.因此,我们取最后一个值,N[.N]并N[-.N]在按列aaa分组时用剩余值的总和减去它.这是最后一部分:

OUT[, list(cnt = N[.N]-sum(N[-.N])), by=aaa]

完成.您可以将所有这些命令链接在一起(就像我已经完成的那样),或者您可以将它们分成不同的步骤(正如我为解释所示).这是你的选择.

注意:如果aaa,bbb的组合超过1,则会产生负值.