r - 如何计算不同群体的共同值(value)？

Question

我正在尝试使用 igraph 包创建用于创建网络图表的数据框。我有示例数据“mydata_data”，我想创建“expected_data”。

我可以轻松计算访问特定商店的客户数量，但如何计算去商店 x1 和商店 x2 等的常见客户集？

我有 500 多家商店，所以我不想手动创建列。用于可重现目的的示例数据如下:

mydata_data<-data.frame(
  Customer_Name=c("A","A","C","D","D","B"),
  Store_Name=c("x1","x2","x2","x2","x3","x1"))

expected_data<-data.frame(
 Store_Name=c("x1","x2","x3","x1_x2","x2_x3","x1_x3"), 
 Customers_Visited=c(2,3,1,1,1,0))

Answer 1

另一种可能的解决方案来自 dplyr是为每个客户创建一个包含所有组合的列表，取消该列表的嵌套，计数并与具有所有组合的数据框合并，即

library(tidyverse)

df %>%
    group_by(Customer_Name) %>%
    summarise(combos = list(unique(c(unique(Store_Name), paste(unique(Store_Name), collapse = '_'))))) %>%
    unnest() %>%
    group_by(combos) %>%
    count() %>%
    right_join(data.frame(combos = c(unique(df$Store_Name), combn(unique(df$Store_Name), 2, paste, collapse = '_'))))

这使，

# A tibble: 6 x 2
# Groups:   combos [?]
  combos     n
  <chr>  <int>
1 x1         2
2 x2         3
3 x3         1
4 x1_x2      1
5 x1_x3     NA
6 x2_x3      1

注意:确保您的 Store_Name变量是一个字符非因子，否则 combn()将失败