如何使用R匯總此數據？

Question

我正在分析不同購物地點之間的客戶流。 我有這樣的數據：

df <- data.frame(customer.id=letters[seq(1,7)], 
                 shop.1=c(1,1,1,1,1,0,0),
                 shop.2=c(0,0,1,1,1,1,0),
                 shop.3=c(1,0,0,0,0,0,1))
df

#>   customer.id shop.1 shop.2 shop.3
#> 1           a      1      0      1
#> 2           b      1      0      0  
#> 3           c      1      1      0 
#> 4           d      1      1      0 
#> 5           e      1      1      0 
#> 6           f      0      1      0 
#> 7           g      0      0      1

因此，例如：

• 客戶“ a”僅在1號和3號商店購物，

• 客戶“ b”僅在1號商店購物，

• 客戶“ c”僅在1號和2號商店購物，

• 等等

我想像這樣總結數據：

#>           shop.1 shop.2 shop.3 
#> shop.1         5      3      1
#> shop.2         3      4      0       
#> shop.3         1      0      2       

因此，例如，第1行顯示為：

• 商店1和商店1都有5人購物（這顯然是多余的觀察）
• 1號和2號商店都有3個人購物
• 1人在1號商店和3號商店購物

我該如何做到這一點（請注意：我的數據集中有很多商店，因此首選可擴展的方法）？

Answer 1

經過一些基本的操作后， crossprod可以照顧您想要做的事情，將其分為代表customer和shop兩列：

tmp <- cbind(df[1],stack(df[-1]))
tmp <- tmp[tmp$values==1,]

crossprod(table(tmp[c(1,3)]))

#        ind
#ind      shop.1 shop.2 shop.3
#  shop.1      5      3      1
#  shop.2      3      4      0
#  shop.3      1      0      2

Answer 2

您想將shop.*的同時出現列表化shop.*變量：

df[,2:4] <- sapply(df[,2:4], function(x) { ifelse(x=="", 0, 1) } )

1）可以使用ftable(xtabs(...))來完成，但是我為此苦苦掙扎了很ftable(xtabs(...)) ，無法理解。 我最接近的是：

> ftable(xtabs(~ shop.1 + shop.2 + shop.3, df))

              shop.3 0 1
shop.1 shop.2           
0      0             0 1
       1             1 0
1      0             1 1
       1             3 0

2）如@thelatemail所示，您還可以：

# Transform your df from wide-form to long-form...
library(dplyr)
library(reshape2)
occurrence_df <- reshape2::melt(df, id.vars='customer.id') %>%
                 dplyr::filter(value==1)

   customer.id variable value
1            a   shop.1     1
2            b   shop.1     1
3            c   shop.1     1
4            d   shop.1     1
5            e   shop.1     1
6            c   shop.2     1
7            d   shop.2     1
8            e   shop.2     1
9            f   shop.2     1
10           a   shop.3     1
11           g   shop.3     1

確實，我們可以將value列放在過濾器之后，因此我們可以通過管道%>% select(-value)

   customer.id variable
1            a   shop.1
2            b   shop.1
3            c   shop.1
4            d   shop.1
5            e   shop.1
6            c   shop.2
7            d   shop.2
8            e   shop.2
9            f   shop.2
10           a   shop.3
11           g   shop.3

＃然后執行與@thelatemail的答案相同的crossprod步驟：

crossprod(table(occurrence_df))

        variable
variable shop.1 shop.2 shop.3
  shop.1      5      3      1
  shop.2      3      4      0
  shop.3      1      0      2

（腳注：

• 首先，您的數據應為數字（或因子），而不是字符串。 您要將“ x”轉換為1，將“”轉換為0。
• 如果它們是字符串，因為它們來自read.csv ，請使用read.csv參數stringsAsFactors=TRUE使其成為因子，或者使用colClasses使其成為數字，並查看所有重復的問題。）

Answer 3

實際上，矩陣運算似乎足夠了，因為數據幀只有0和1 。

首先，排除customer.id列，然后將data.frame更改為matrix 。 這可能很容易。 （ mydf是數據框的名稱。）

# base R way
as.matrix(mydf[,-1])
#>      shop.1 shop.2 shop.3
#> [1,]      1      0      1
#> [2,]      1      0      0
#> [3,]      1      1      0
#> [4,]      1      1      0
#> [5,]      1      1      0
#> [6,]      0      1      0
#> [7,]      0      0      1

library(dplyr) #dplyr way
(mymat <-
  mydf %>% 
  select(-customer.id) %>% 
  as.matrix())
#>      shop.1 shop.2 shop.3
#> [1,]      1      0      1
#> [2,]      1      0      0
#> [3,]      1      1      0
#> [4,]      1      1      0
#> [5,]      1      1      0
#> [6,]      0      1      0
#> [7,]      0      0      1

使用此矩陣，只需執行以下矩陣操作即可 。

t(mymat) %*% mymat
#>        shop.1 shop.2 shop.3
#> shop.1      5      3      1
#> shop.2      3      4      0
#> shop.3      1      0      2

您可以得到答案。