So erhalten Sie eine schnelle Zusammenfassung der Anzahl in data.table

Question

Dies ist ein Teil des Feature-Engineering, der jede ID abhängig von der Spalte mit der Bezeichnung Col zusammenfasst. Derselbe Vorprozess wird auf den Testsatz angewendet. Da die Datenmenge groß ist, kann die datenbasierte Lösung bevorzugt werden.

Training Input:

ID Col 
A M 
A M 
A M 
B K 
B M 

Erwartete Ausgabe für über Trainingseingang:

ID Col_M Col_K 
A 3  0  # A has 3 M in Col and 0 K in Col 
B 1  1 

Oben ist für Trainingsdaten zu verarbeiten. Zum Testen des Datasets ist eine Zuordnung über Col_M, Col_K erforderlich, dh wenn ein anderer Wert wie S in Col erscheint, wird er ignoriert.

Testing Input:

ID Col 
C M 
C S 

Erwartete Ausgabe für über Testeingang:

ID Col_M Col_K 
C 1  0  # A has 1 M in Col and 0 K in Col. S value is ignored 

Answer 1

Ein möglicher data.table Implementierung könnte zuerst Filter von c("M", "K"), dann fügen Sie diese Ebene (falls sie nicht vorhanden sind, wie in Ihrem zweiten Fall), dann läuft dcast während Angabe drop = FALSE, fill = 0L (für die Fälle, wenn eine der gewünschten Ebenen fehlt) während der Angabe fun = length (um zu zählen).

Prüfung auf beiden Datensätze

library(data.table) 

### First example 
df <- fread("ID Col 
A M 
A M 
A M 
B K 
B M") 

dcast(df[Col %in% c("M", "K")], # Work only with c("M", "K") 
     ID ~ factor(Col, levels = union(unique(Col), c("M", "K"))), # Add missing levels 
     drop = FALSE, # Keep missing levels in output 
     fill = 0L, # Fill missing values with zeroes instead of NAs 
     fun = length) # Count. you can also specify 'value.var' 

# ID M K 
# 1: A 3 0 
# 2: B 1 1 

### Second example 
df <- fread("ID Col 
C M 
C S") 

dcast(df[Col %in% c("M", "K")], 
    ID ~ factor(Col, levels = union(unique(Col), c("M", "K"))), 
    drop = FALSE, 
    fill = 0L, 
    fun = length) 

# ID M K 
# 1: C 1 0 

Answer 2

Ich bin nicht sicher, wie groß Ihre Daten sind und wie flexibel die erwartete Code sein sollte, aber ich habe diese :

zz = ' 
ID Col 
A M 
A M 
A M 
B K 
B M 
' 

df <- read.table(text = zz, header = TRUE) 
col = as.data.frame(table(df)) 

out <- reshape(col, idvar = "ID", 
       timevar = "Col", direction = "wide") 
out 

, die Sie gibt:

> out 
    ID Freq.K Freq.M 
1 A  0  3 
2 B  1  1 

Und für den zweiten Datenrahmen:

yy = ' 
ID Col 
C M 
C S 
' 

df1 <- read.table(text = yy, header = TRUE) 
col1 = as.data.frame(table(df1)) 

out1 <- reshape(col1, idvar = "ID", 
       timevar = "Col", direction = "wide") 
out1 

Sie erhalten:

> out1 
    ID Freq.M Freq.S 
1 C  1  1 

sie gerade miteinander verschmelzen dann und löschen Sie die redundante:

ss = merge(out1, out, all.y = T, all.x = T) 
ss 
    ID Freq.M Freq.S Freq.K 
1 C  1  1  NA 
2 A  3  NA  0 
3 B  1  NA  1 

Answer 3

> library(data.table) 
> dt=NULL 
> dt$ID=c("A","A","A","B","B") 
> dt$Col=c("M","M","M","K","M") 
> dt=data.frame(dt) 
> dt=data.table(dt) 
> dt 
    ID Col 
1: A M 
2: A M 
3: A M 
4: B K 
5: B M 


> a=dt[Col=="M",sum(.N),ID] 
> b=dt[Col=="K",sum(.N),ID] 
> a 
    ID V1 
1: A 3 
2: B 1 
> b 
    ID V1 
1: B 1 
> setkey(a,ID) 
> setkey(b,ID) 

> m=b[a] 
> m 
    ID V1 i.V1 
1: A NA 3 
2: B 1 1 
> names(m)=c("ID","Col_K","Col_M") 
> m 
    ID Col_K Col_M 
1: A NA  3 
2: B  1  1