我如何用R来总结这些数据？

Question

我正在分析不同购物场所之间的顾客流动情况。我有这样的数据：

df <- data.frame(customer.id=letters[seq(1,7)], 
                 shop.1=c(1,1,1,1,1,0,0),
                 shop.2=c(0,0,1,1,1,1,0),
                 shop.3=c(1,0,0,0,0,0,1))
df

#>   customer.id shop.1 shop.2 shop.3
#> 1           a      1      0      1
#> 2           b      1      0      0  
#> 3           c      1      1      0 
#> 4           d      1      1      0 
#> 5           e      1      1      0 
#> 6           f      0      1      0 
#> 7           g      0      0      1

因此，例如：

• 顾客"a“只在1和3商店购物，
• 顾客"b“只在1店购物，
• 顾客"c“只在1和2商店购物，
• 等。

我想总结一下如下的数据：

#>           shop.1 shop.2 shop.3 
#> shop.1         5      3      1
#> shop.2         3      4      0       
#> shop.3         1      0      2       

例如，第1行的内容如下：

• 5人在1店和1店都购物(这显然是多余的观察)
• 3人在第一铺和第二铺购物
• 一人在第一及第三铺购物

我如何做到这一点(请注意:我的数据集中有很多商店，所以首选可伸缩的方法)？

Answer 1

在进行了一些基本操作之后，crossprod可以处理您想要做的事情，将其分别放在代表customer和shop的2列中：

tmp <- cbind(df[1],stack(df[-1]))
tmp <- tmp[tmp$values==1,]

crossprod(table(tmp[c(1,3)]))

#        ind
#ind      shop.1 shop.2 shop.3
#  shop.1      5      3      1
#  shop.2      3      4      0
#  shop.3      1      0      2

Answer 2

您想要表出与shop.*变量的共生关系(shop.*)变量：

df[,2:4] <- sapply(df[,2:4], function(x) { ifelse(x=="", 0, 1) } )

( 1)据说可以用ftable(xtabs(...))来完成，但我和它斗争了很长时间，但无法得到它。我最接近的是：

> ftable(xtabs(~ shop.1 + shop.2 + shop.3, df))

              shop.3 0 1
shop.1 shop.2           
0      0             0 1
       1             1 0
1      0             1 1
       1             3 0

2)如@thelatemail所示，你也可以：

# Transform your df from wide-form to long-form...
library(dplyr)
library(reshape2)
occurrence_df <- reshape2::melt(df, id.vars='customer.id') %>%
                 dplyr::filter(value==1)

   customer.id variable value
1            a   shop.1     1
2            b   shop.1     1
3            c   shop.1     1
4            d   shop.1     1
5            e   shop.1     1
6            c   shop.2     1
7            d   shop.2     1
8            e   shop.2     1
9            f   shop.2     1
10           a   shop.3     1
11           g   shop.3     1

实际上，我们可以在筛选器之后删除value列，这样我们就可以传输%>% select(-value)了。

   customer.id variable
1            a   shop.1
2            b   shop.1
3            c   shop.1
4            d   shop.1
5            e   shop.1
6            c   shop.2
7            d   shop.2
8            e   shop.2
9            f   shop.2
10           a   shop.3
11           g   shop.3

然后，与@thelatemail的回答相同的交叉步骤：

crossprod(table(occurrence_df))

        variable
variable shop.1 shop.2 shop.3
  shop.1      5      3      1
  shop.2      3      4      0
  shop.3      1      0      2

(脚注：

• 首先，您的数据应该是数字(或因子)，而不是字符串。您希望将"x“转换为1，将"”转换为0。
• 如果它们是字符串，因为它们来自read.csv，那么使用read.csv参数stringsAsFactors=TRUE使它们成为因子，或者使用colClasses使它们成为数字，并查看其中的所有重复问题。)

Answer 3

事实上，矩阵操作似乎足够了，因为数据帧只有0和1。

首先，排除customer.id列并将data.frame更改为matrix。这可能很容易。(mydf是数据帧的名称。)

# base R way
as.matrix(mydf[,-1])
#>      shop.1 shop.2 shop.3
#> [1,]      1      0      1
#> [2,]      1      0      0
#> [3,]      1      1      0
#> [4,]      1      1      0
#> [5,]      1      1      0
#> [6,]      0      1      0
#> [7,]      0      0      1

library(dplyr) #dplyr way
(mymat <-
  mydf %>% 
  select(-customer.id) %>% 
  as.matrix())
#>      shop.1 shop.2 shop.3
#> [1,]      1      0      1
#> [2,]      1      0      0
#> [3,]      1      1      0
#> [4,]      1      1      0
#> [5,]      1      1      0
#> [6,]      0      1      0
#> [7,]      0      0      1

对于这个矩阵，只需按下面的方式进行矩阵操作即可。

t(mymat) %*% mymat
#>        shop.1 shop.2 shop.3
#> shop.1      5      3      1
#> shop.2      3      4      0
#> shop.3      1      0      2

你可以得到答案。