R, Komplement bei aggregierender Daten.Tabelle

Question

Ist es möglich, mit einem Komplement in R data.tables zu aggregieren. Beispiel unten.

library(data.table) 
dt <- data.table(a=c("word1","word2","word2","word2"), b=c("cat1","cat1","cat1","cat2")) 

Um Anzahl von bestimmten Wörtern in einer Kategorie

newdt <- dt[,(.N),by=.(a,b)] 
#word1,cat1 - 1 
#word2,cat1 - 2 
#word2,cat2 - 1 

zu bekommen Wie konnte ich die Anzahl aller anderen Worten in der Kategorie zählen? Oder ähnlich, Anzahl der anderen Kategorien, in denen das Wort ist? Etwas wie das Folgende?

#doesn't work 
#newdt2 <- dt[a!=a,(.N),by=.(a,b)] 
#the expected answer would be 
#word1,cat1 - 2 
#word2,cat1 - 1 
#word2,cat2 - 0 

Ich kann keine Hilfe zu diesem Thema in Online-Tutorials oder Fragen finden. Gibt es einen einfachen Weg, um die Ergänzung zu bekommen? Data.table-Lösung wäre schön, wenn man mit einer 50M-Reihentabelle arbeitet. Vielen Dank!

Answer 1

die Idee Bruno Nach der Differenz der Gesamtzahl pro Kategorie minus der Anzahl der Worte in jeder Kategorie zu berechnen, aber data.table Syntax mit einem Update mit auf beitreten dies wird zu einem " Einzeiler ":

library(data.table) 
dt <-data.table(a = c("word1", rep("word2", 3L)), b = c(rep("cat1", 3L), "cat2")) 
dt[, .N, by = .(a, b)][dt[, .N, by = b], on = "b", Nc := i.N - N][] 

 a b N Nc 
1: word1 cat1 1 2 
2: word2 cat1 2 1 
3: word2 cat2 1 0 

Answer 2

Im folgenden ist der Code (Ich habe doppelte Anführungszeichen hinzugefügt, damit es läuft):

library(data.table) 
dt <- 
data.table(a=c("word1","word2","word2","word2"),b=c("cat1","cat1","cat1","cat2")) 

newdt <- dt[,(.N),by=.(a,b)] 
names(newdt) = c("a", "b", "cnt") # rename the count column 

Die folgende Zeile wird zählen, wie oft jeder Kategorie

catCnt = dt[,(.N),by=.(b)] 
names(catCnt) = c("b", "tot_b") 
catCnt 

Die Anzahl der Wörter erscheint zu jeder Kategorie gehörend, mit Ausnahme des aktuellen Wortes, ist die Differenz zwischen der Anzahl der Wörter, die zu der Kategorie gehören, und der Anzahl, wie oft das Paar erscheint (category, word). Um das Ergebnis achive ich fusionieren die beiden data.table Objekte der Kategorie Spalte

aux = merge(newdt, catCnt, by="b") 

und dann berechnen ich die Differenz zwischen der Gesamtzahl und dem „Paar“ zählen:

aux$cnt_not_a = aux$tot_b - aux$cnt 

Wenn Sie möchten, halten Sie die gewünschte Spalte nur:

res = aux[, c("b", "a", "cnt_not_a")] 
res 

ich weiß nicht, wenn Sie dies durch die Verwendung data.table Befehle erreichen können, aber Das sieht mir ganz einfach ...