计数具有两个给定值对应于另一个变量的值的变量的出现情况

Question

从图片中可以看到，我有一列有序号，一列有物质编号。

我想知道一对材料以同样的顺序出现的频率。

问题是，我有30000行订单号码和700个唯一的材料编号。有可能吗？

我在想，如果用列和行都有700个材料编号和计数数字来建立一个矩阵是否更容易。

​

​

编辑:第一张照片不是一个很好的例子。我上传了第二张带有随机材质的照片。因此，我希望它对每对(如我突出显示的例子10-11 )计数，以相同的顺序出现多少次。可以看出，10和11以3种不同的顺序出现。

​

​

Answer 1

就内存空间而言，最优的解决方案是每对存储一行，即700*699 / 2。这个问题仍然相对较小，操作700*700矩阵的简单性可能比您正在保存的700*701/2单元更有价值，因为每个单元格的字节数为240 is。如果矩阵是稀疏的(即，大多数对材料从未排列在一起)，并且使用适当的数据结构，则可能会更少。

下面是代码的样子：

首先，我们希望创建一个具有尽可能多的行和列的数据格式。矩阵更容易创建，因此我们创建一个矩阵，然后将其转换为dataframe。

all_materials = levels(as.factor(X$Materials))
number_materials = length(all_materials)
Pairs <- as.data.frame(matrix(data = 0, nrow = number_materials, ncol = number_materials))

(在这里，X是您的数据集)

然后，我们将行名和列名设置为能够使用材料的标识符直接访问行和列，这些标识符显然不一定编号为1到700。

colnames(Pairs) <- all_materials
rownames(Pairs) <- all_materials

然后我们迭代数据集。

for(order in levels(as.factor(X$Order.number))){
  # getting the materials in each order
  materials_for_order = X[X$Order.number==order, "Materials"]
  if (length(materials_for_order)>1) {
    # finding each possible pair from the materials list
    all_pairs_in_order = combn(x=materials_for_order, m=2)
    # incrementing the cell at the line and column corresponding to each pair
    for(i in 1:ncol(all_pairs_in_order)){
      Pairs[all_pairs_in_order[1, i], all_pairs_in_order[2, i]] = Pairs[all_pairs_in_order[1, i], all_pairs_in_order[2, i]] + 1
    }
  }
}

在循环的末尾，Pairs表应该包含所需的一切。

Answer 2

这里有一个data.table解决方案

library(data.table)    
combis <- data.table(do.call(rbind, 
    DT[, if (.N > 1) list(combn(Materials, 2, simplify=FALSE)), by=Order.number]$V1
))
ans <- combis[, .N, by=.(V1, V2)]

#check results
setorder(ans, V1, V2)
ans

和一个base方法：

allComb <- by(DT, DT$Order.number, function(x) {
    if (nrow(x) > 1) {
        return(combn(x$Materials, 2, simplify=FALSE)))
    }
    NULL
}
materialsPairs <- as.data.frame(do.call(rbind, unlist(allComb, recursive=FALSE)))

#https://stackoverflow.com/a/18201245/1989480
res <- aggregate(cnt ~ ., data=transform(materialsPairs, cnt=1), length)

#check results
head(res[order(res$V1, res$V2),])

数据：

library(data.table)
set.seed(0L)
M <- 30e3
nOrd <- 3000
DT <- data.table(Order.number=sample(nOrd, M, replace=TRUE), 
    Materials=sample(700, M, replace=TRUE))
setorder(DT, Order.number, Materials)