Есть ли в R решение для генерации уникальных комбинаций и их частоты?
Dec 09 2020
Вот мой код. Я пытаюсь сгенерировать все неповторяющиеся комбинации столбца Food и сколько раз он появляется с учетом столбца ID.
customerDataFrame <- data.frame(CustomerID = c('A', 'B', 'B', 'C', 'D', 'D'),
Food = c('Pizza', 'Pizza', 'Tacos', 'Tacos', 'Tacos', 'Pizza'))
customerDataFrame %>%
group_by(CustomerID) %>%
summarise_all(funs(toString(unique(.)))) %>%
ungroup() %>%
group_by(Food) %>%
summarise(n= n())
Вот результат прямо сейчас:
# A tibble: 4 x 2
Food n
<chr> <int>
1 Pizza 1
2 Pizza, Tacos 1
3 Tacos 1
4 Tacos, Pizza 1
Это технически неверно, потому что покупатели (пицца, тако) и (тако, пицца) должны быть в одной группе. Неважно, в каком порядке они покупают.
(Я получил код из этого ответа: Использование dplyr для создания вектора уникальных комбинаций значений для данной группы )
Вот что я пытаюсь получить:
# A tibble: 4 x 2
Food n
<chr> <int>
1 Pizza 1
2 Pizza, Tacos 2
3 Tacos 1
Ответы
3 Duck Dec 09 2020 at 21:15
Попробуй это. Вы можете удвоить summarise(), чтобы получить ожидаемый результат:
library(dplyr)
#Code
new <- customerDataFrame %>%
arrange(CustomerID,Food)%>%
group_by(CustomerID) %>%
summarise(Food=paste0(Food,collapse = ',')) %>%
group_by(Food,.drop = T) %>%
summarise(N=n())
Выход:
# A tibble: 3 x 2
Food N
<chr> <int>
1 Pizza 1
2 Pizza,Tacos 2
3 Tacos 1
Такого же результата можно достичь, используя toString():
#Code 2
new <- customerDataFrame %>%
arrange(CustomerID,Food)%>%
group_by(CustomerID) %>%
summarise(Food=toString(Food)) %>%
group_by(Food,.drop = T) %>%
summarise(N=n())
3 RonakShah Dec 09 2020 at 21:25
Когда рушатся с помощью .toString sortFood
library(dplyr)
customerDataFrame %>%
group_by(CustomerID) %>%
summarise(Food = toString(sort(Food))) %>%
count(Food)
# Food n
# <chr> <int>
#1 Pizza 1
#2 Pizza, Tacos 2
#3 Tacos 1
akrun Dec 10 2020 at 03:33
В base Rмы можем использовать tableсaggregate
table(aggregate(Food ~ CustomerID,
customerDataFrame[do.call(order, customerDataFrame),], FUN = toString)$Food)
# Pizza Pizza, Tacos Tacos
# 1 2 1