r - 计算每个 id 长度为 2 的组合

Question

我有一个较大的data.table，有两列，id和var:

head(DT)
#    id var
# 1:  1   B
# 2:  1   C
# 3:  1   A
# 4:  1   C
# 5:  2   B
# 6:  2   C

我想创建一种交叉表，它可以显示数据中出现 var 的不同长度 2 组合的次数。

示例数据的预期输出:

out
#    A  B C
# A  0  3 3
# B NA  1 3
# C NA NA 0

说明:

• 生成的matrix/data.frame/data.table 的对角线计算id 出现的所有var 全部相同的次数(或者全部A、或B、或C)。在示例数据中，id 4 只有一个条目，即 B，因此 B - B 为 1达到预期的结果。
• 上三角形计算有多少个 id 两个特定的 var ，即组合 A - B 存在于 3 个 id 中，组合 A - C 和 B - C。
• 请注意，对于任何 id，两个 var 的单个组合只能是 0(不存在)或 1(存在)，即我不想要对每个 id 进行多次计数。
• 结果的下三角形可以为 NA 或 0，或者它可以具有与上三角形相同的值，但这将是多余的。

(只要有相关信息，结果也可以以长格式给出。)

我确信有一种聪明(有效)的计算方法，但我目前无法理解它。

示例数据:

DT <- structure(list(id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 4L), var = c("B", "C", "A", 
"C", "B", "C", "C", "A", "B", "B", "C", "C", "C", "C", "B", "C", 
"B", "A", "C", "B")), .Names = c("id", "var"), row.names = c(NA, 
-20L), class = "data.frame")

library(data.table)
setDT(DT, key = "id")

Answer 1

既然您可以接受长格式的结果:

DT[, if(all(var == var[1]))
       .(var[1], var[1])
     else
       as.data.table(t(combn(sort(unique(var)), 2))), by = id][
   , .N, by = .(V1, V2)]
#   V1 V2 N
#1:  A  B 3
#2:  A  C 3
#3:  B  C 3
#4:  B  B 1

或者如果我们调用上面的输出res:

dcast(res[CJ(c(V1,V2), c(V1,V2), unique = T), on = c('V1', 'V2')][
          V1 == V2 & is.na(N), N := 0], V1 ~ V2)
#   V1  A  B C
#1:  A  0  3 3
#2:  B NA  1 3
#3:  C NA NA 0

<小时/>

combn 的替代方案是:

DT[, if (all(var == var[1]))
       .(var[1], var[1])
     else
       CJ(var, var, unique = T)[V1 < V2], by = id][
   , .N, by = .(V1, V2)]
#    V1 V2 N
# 1:  A  B 3
# 2:  A  C 3
# 3:  B  C 3
# 4:  B  B 1

# or combn with list output (instead of matrix)

unique(DT, by=NULL)[ order(var), if(.N==1L)
       .(var, var)
     else
       transpose(combn(var, 2, simplify=FALSE)), by = id][
   , .N, by = .(V1, V2)]