r - 如何从长格式数据框中计算成对计数表

Question

我有一个包含 id (主键)和 featureCode (分类变量)列的“长格式”数据框。每条记录都有 1 到 9 个分类变量值。例如:

id  featureCode
5   PPLC
5   PCLI
6   PPLC
6   PCLI
7   PPL
7   PPLC
7   PCLI
8   PPLC
9   PPLC
10  PPLC

我想计算每个特征代码与其他特征代码一起使用的次数(标题的“成对计数”)。在这个阶段，每个特征代码的使用顺序并不重要。我设想结果将是另一个数据框，其中行和列是特征代码，单元格是计数。例如:

      PPLC  PCLI  PPL
PPLC  0     3     1
PCLI  3     0     1
PPL   1     1     0

不幸的是，我不知道如何执行这个计算，并且在搜索建议时我画了一个空白(我怀疑主要是因为我不知道正确的术语)。

Answer 1

这是类似于@mrdwab 的 data.table 方法

如果 featureCode 是一个 character 它将效果最好

library(data.table)

DT <- data.table(dat)
# convert to character
DT[, featureCode := as.character(featureCode)]
# subset those with >1 per id
DT2 <- DT[, N := .N, by = id][N>1]
# create all combinations of 2
# return as a data.table with these as columns `V1` and `V2`
# then count the numbers in each group
DT2[, rbindlist(combn(featureCode,2, 
      FUN = function(x) as.data.table(as.list(x)), simplify = F)), 
    by = id][, .N, by = list(V1,V2)]


     V1   V2 N
1: PPLC PCLI 3
2:  PPL PPLC 1
3:  PPL PCLI 1