如何计算 R 中 data.table 中的出现组合

Posted 2023-02-16

【中文标题】如何计算 R 中 data.table 中的出现组合

【英文标题】：How to count occurrences combinations in data.table in R

【发布时间】：2014-11-10 05:57:57

【问题描述】：

我有两个 data.tables。我想计算与另一个表中的表组合匹配的行数。我检查了 data.table 文档，但没有找到答案。我正在使用 data.table 1.9.2。

DT1 <- data.table(a=c(3,2), b=c(8,3))
DT2 <- data.table(w=c(3,3,3,2,3), x=c(8,8,8,3,7), z=c(2,6,7,2,2))
DT1
#    a b
# 1: 3 8
# 2: 2 3

DT2
#    w x z
# 1: 3 8 2
# 2: 3 8 6
# 3: 3 8 7
# 4: 2 3 2
# 5: 3 7 2

现在我想计算 DT2 中 (3, 8) 对和 (2, 3) 对的数量。

setkey(DT2, w, x)
nrow(DT2[J(3, 8), nomatch=0])
# [1] 3    ## OK !

nrow(DT2[J(2, 3), nomatch=0])
# [1] 1    ## OK !

DT1[,count_combination_in_dt2 := nrow(DT2[J(a, b), nomatch=0])]
DT1
#    a b count_combination_in_dt2
# 1: 3 8                        4 ## not ok.
# 2: 2 3                        4 ## not ok.

预期结果：

#    a b count_combination_in_dt2
# 1: 3 8                        3 
# 2: 2 3                        1 

【参考方案1】：

setkey(DT2, w, x)

DT2[DT1, .N, by = .EACHI]
#   w x N
#1: 3 8 3
#2: 2 3 1

# In versions <= 1.9.2, use DT2[DT1, .N] instead

上面只是简单地进行合并并计算i-expression定义的每个组的行数，因此by = .EACHI。

【讨论】：

谢谢！是否可以在 DT1 中分配结果列？我试过 DT2[DT1, count_combination_in_dt2:=.N] 但它不起作用。

DT1[,count:=DT2[DT1, .N][,N]] 工作并且与第一个解决方案相比非常快。

【参考方案2】：

您只需添加by=list(a,b)。

DT1[,count_combination_in_dt2:=nrow(DT2[J(a,b),nomatch=0]), by=list(a,b)]
DT1
## 
##    a b count_combination_in_dt2
## 1: 3 8                        3
## 2: 2 3                        1

编辑：更多细节：在您的原始版本中，您使用了DT2[DT1, nomatch=0]（因为您使用了所有a, b 组合。如果您想分别为每个a, b 组合使用J(a,b)，您需要使用by 参数。data.table 然后按 a, b 分组，nrow(...) 在每个组内进行评估。