R：一种基于另一个表中的值进行过滤的方法？

Question

我有两个具有以下结构的表。 表 1，我将其称为汇总表，是一个包含计数的类别值列表：

类别	价值	数数
第一类	VAL1
第一类	VAL2
第一类	VAL3
类别 2	VAL1
类别 2	VAL2
三类	VAL1
三类	VAL2

summary <- data.frame(Category = c('Cat1', 'Cat1', 'Cat1', 'Cat2', 'Cat2', 'Cat3', 'Cat3'),
                      Value = c('Val1', 'Val2', 'Val3', 'Val1', 'Val2', 'Val1', 'Val2'),
                      Count = c(NA,NA,NA,NA,NA,NA,NA))

我想用从表 2 收集的计数填充此表，我们将其称为原始数据表，它具有以下结构：

实体	第一类	类别 2	三类
Ent1	VAL1	VAL1	VAL2
Ent2	VAL1	VAL1	VAL2
Ent3	VAL2	VAL2	VAL1
Ent4	VAL2	VAL1	VAL2
Ent5	VAL3	VAL1	VAL2
Ent6	VAL3	VAL1	VAL1
Ent7	VAL3	VAL2	VAL2

rawdata <- data.frame(Entity = c('Ent1', 'Ent2', 'Ent3', 'Ent4', 'Ent5', 'Ent6', 'Ent7'),
                      Cat1 = c('Val1', 'Val1', 'Val2', 'Val2', 'Val3', 'Val3', 'Val3'),
                      Cat2 = c('Val1', 'Val1', 'Val2', 'Val1', 'Val1', 'Val1', 'Val2'),
                      Cat3 = c('Val2', 'Val2', 'Val1', 'Val2', 'Val2', 'Val1', 'Val2'))

我想用每个类别和值对的适当计数填充汇总表中的“计数”列。 以编程方式，我想做的是通过原始数据表创建一个计数器 go 并更新每个值的计数。 我认为这在 R 中效率很低。 我想我会做的是过滤值，但是因为列名没有被评估为变量，所以我不知道如何做到这一点。

我尝试过的（我认为我想要的是）：

library(dplyr)
summary$Count <- nrow(rawdata %>% filter(get(summary$Category) == get(summary$Value)))

但是，这行不通。 如何让过滤器从另一个表中获取值？

Answer 1

我们可以使用pivot_longer重塑为“long”格式并使用count来获取频率计数

library(dplyr)
library(tidyr)
rawdata %>% 
  pivot_longer(cols = -Entity, names_to = "Category", values_to = "Value") %>% 
  count(Category, Value)

-输出

# A tibble: 7 x 3
#  Category Value     n
#  <chr>    <chr> <int>
#1 Cat1     Val1      2
#2 Cat1     Val2      2
#3 Cat1     Val3      3
#4 Cat2     Val1      5
#5 Cat2     Val2      2
#6 Cat3     Val1      2
#7 Cat3     Val2      5

注意： pivot_longer将数据从“宽”格式重塑为“长”格式。 通过指定cols = -Entity ，它将列的 rest 转换为 'long' 格式，列名称为由names_to指定的“Category”，对应的值为“Value”（ values_to ）

---

或使用带有table的base R

subset(as.data.frame(table(data.frame(Category =
   names(rawdata)[-1][col(rawdata[-1])], 
        Value = unlist(rawdata[-1])))), Freq  > 0)