计算每个id长度为2的组合

Question

我有data.table两个栏目,id并且var:

head(DT)
#    id var
# 1:  1   B
# 2:  1   C
# 3:  1   A
# 4:  1   C
# 5:  2   B
# 6:  2   C

我想创建一种交叉表,显示数据中出现的不同长度2组合的次数var.

样本数据的预期输出:

out
#    A  B C
# A  0  3 3
# B NA  1 3
# C NA NA 0

说明:

• 结果矩阵的对角线/ data.frame/data.table计算所有vars发生的对数的id全部相同(全部A,或B,或C).在示例数据中,id4只有一个条目B,因此B- B在所需结果中为1.
• 上三角形表示存在id两个特定vars的数量,即组合A- B存在于3 id秒内,组合A- C和B- C.
• 请注意,对于任何id一个,两个vars 的单个组合只能是0(不存在)或1(存在),即我不想每次计数多次id.
• 结果的下三角形可以保留为NA或0,或者它可以与上三角形具有相同的值,但这将是多余的.

(只要相关信息存在,结果也可以长格式给出.)

我确信这是一种聪明(有效)的计算方法,但我目前无法理解它.

样本数据:

DT <- structure(list(id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 4L), var = c("B", "C", "A", 
"C", "B", "C", "C", "A", "B", "B", "C", "C", "C", "C", "B", "C", 
"B", "A", "C", "B")), .Names = c("id", "var"), row.names = c(NA, 
-20L), class = "data.frame")

library(data.table)
setDT(DT, key = "id")

Answer 1

由于您可以获得长篇结果:

DT[, if(all(var == var[1]))
       .(var[1], var[1])
     else
       as.data.table(t(combn(sort(unique(var)), 2))), by = id][
   , .N, by = .(V1, V2)]
#   V1 V2 N
#1:  A  B 3
#2:  A  C 3
#3:  B  C 3
#4:  B  B 1

或者如果我们调用上面的输出res:

dcast(res[CJ(c(V1,V2), c(V1,V2), unique = T), on = c('V1', 'V2')][
          V1 == V2 & is.na(N), N := 0], V1 ~ V2)
#   V1  A  B C
#1:  A  0  3 3
#2:  B NA  1 3
#3:  C NA NA 0

另一种方法combn是:

DT[, if (all(var == var[1]))
       .(var[1], var[1])
     else
       CJ(var, var, unique = T)[V1 < V2], by = id][
   , .N, by = .(V1, V2)]
#    V1 V2 N
# 1:  A  B 3
# 2:  A  C 3
# 3:  B  C 3
# 4:  B  B 1

# or combn with list output (instead of matrix)

unique(DT, by=NULL)[ order(var), if(.N==1L)
       .(var, var)
     else
       transpose(combn(var, 2, simplify=FALSE)), by = id][
   , .N, by = .(V1, V2)]