r - 应用于 3 个变量的数据框转换

Question

我写了几个命令来转换数据框，但我想将我写的代码简化为四个部分。第 1,2 和 3 部分用于计算第 1、2 和 3 列(计算每列重复值的次数，并完成 0 和三列最大值之间的缺失数)。第四部分是加入前面的输出。

我想简化它，以便在一个代码块中转换 3 列而不是 4 列。是否可以不使用函数来实现？

提前谢谢你。

set.seed(1234)

# Data

A=sample(0:10, 20, replace = TRUE)
B=sample(0:10, 20, replace = TRUE)
C=sample(0:10, 20, replace = TRUE)

df=data.frame(A,B,C)

  A  B  C
1  9  2  0
2  5  3  5
3  4  9  7
4  8  4  2
5  4  1  5
6  5  7  0
7  3 10  0
8  1  3  8
9  6  2  7
10 5  6  9
11 9  8  0
12 5  2 10
13 3  5  7
14 7  3  9
15 3  7  5
16 3  9  2
17 4 10  8
18 7  1  2
19 3  4  5
20 7  5  8

# Count for A
df2=data.frame(A=0:max(max(df$A),max(df$B),max(df$C)))

df3_A= df %>%
  select(A) %>%
  group_by(A) %>%
  mutate(A_number= n()) %>%
  distinct(A_number, .keep_all = TRUE) %>%
  ungroup() %>%
  complete (df2)

df3_A$A_number[is.na(df3_A$A_number)]=0

# Count for B

df2=data.frame(B=0:max(max(df$A),max(df$B),max(df$C)))

df3_B= df %>%
  select(B) %>%
  group_by(B) %>%
  mutate(B_number= n()) %>%
  distinct(B_number, .keep_all = TRUE) %>%
  ungroup() %>%
  complete (df2)

df3_B$B_number[is.na(df3_B$B_number)]=0

# Count for C

df2=data.frame(C=0:max(max(df$A),max(df$B),max(df$C)))

df3_C= df %>%
  select(C) %>%
  group_by(C) %>%
  mutate(C_number= n()) %>%
  distinct(C_number, .keep_all = TRUE) %>%
  ungroup() %>%
  complete (df2)

df3_C$C_number[is.na(df3_C$C_number)]=0

# Join

df3= df3_A %>%
  left_join(df3_B, by=c("A"="B")) %>%
  left_join(df3_C, by=c("A"="C"))

A A_number B_number C_number
   <int>    <dbl>    <dbl>    <dbl>
 1     0        0        0        4
 2     1        1        2        0
 3     2        0        3        3
 4     3        5        3        0
 5     4        3        2        0
 6     5        4        2        4
 7     6        1        1        0
 8     7        3        2        3
 9     8        1        1        3
10     9        2        2        2
11    10        0        2        1

Answer 1

使用基础:堆栈 和表:

as.data.frame.matrix(table(stack(df)))
#    A B C
# 0  0 0 4
# 1  1 2 0
# 2  0 3 3
# 3  5 3 0
# 4  3 2 0
# 5  4 2 4
# 6  1 1 0
# 7  3 2 3
# 8  1 1 3
# 9  2 2 2
# 10 0 2 1