R 聚合并处理缺失的组合

Question

我有一个数据框，其中包含数据 x 和三个不同的因素(主题、任务和正确答案)。

 subj <- rep(c(1,2,3), times=4)
 task <- c("A","A","A","A","A","A","B","B","B","B","B","B")
 correct <- c(1,1,1,0,0,0,1,1,1,0,0,0)
 x <- runif(12)
 df <- data.frame(subj, task, correct, x)

我想获得这三个因素的每种可能组合的试验次数(3 个主题 * 2 个任务 * 2 个正确/不正确 = 12 个组合)。当然，这是一个不好的例子，因为我只对每种组合进行了一次尝试，但你明白了。所以我这样做:

 > aggregate(x~subj+task+correct, length, data=df)
    subj task correct x
 1     1    A       0 1
 2     2    A       0 1
 3     3    A       0 1
 4     1    B       0 1
 5     2    B       0 1
 6     3    B       0 1
 7     1    A       1 1
 8     2    A       1 1
 9     3    A       1 1
 10    1    B       1 1
 11    2    B       1 1
 12    3    B       1 1

但现在假设我的数据中缺少一些组合:

 > newdf <- df[-2,]

使用相同的聚合函数不会显示所有可能的组合，只会显示 12 个组合中的 11 个。我希望为我缺少的组合获取长度 0(或 NA，或类似的值)。

注意:有一个类似的问题here但我认为这并不能完全解决我的问题。

Answer 1

您需要 (1) 获取分组列的笛卡尔积，(2) 将其与您的 data.frame 合并回，以及 (3) 执行聚合。在 data.table 中，看起来像

library(data.table) # version 1.9.5+

setDT(newdf, key = c("subj","task","correct"))
newdf[CJ(subj, task, correct, unique=TRUE), .N, by=.EACHI]

这给出了

    subj task correct N
 1:    1    A       0 1
 2:    1    A       1 1
 3:    1    B       0 1
 4:    1    B       1 1
 5:    2    A       0 1
 6:    2    A       1 0 # not NA
 7:    2    B       0 1
 8:    2    B       1 1
 9:    3    A       0 1
10:    3    A       1 1
11:    3    B       0 1
12:    3    B       1 1

setDT 修改 newdf 以便 data.table 语法可以使用。设置key 按这些列对表进行排序，并为更快的合并做好准备。

CJ 采用其参数的“叉”或“笛卡尔”积。 (expand.grid，在 @nongkrong 的回答中看到，是基本的 R 类似物。)语法 X[Y, j, by=.EACHI] 表示:merge X 和 Y，并且对于合并列的每个唯一组合，计算 j。在本例中，您要查找 length，它与行数相同；在 data.table 中，.N 是该数字的快捷方式。

对于这种特殊情况，即简单地聚合观察值，我认为 @jeremycg 的答案中的方法更有意义 - 使用专门为频率列表设计的函数。