Select 基于使用 `ddply` 的两列匹配对的列的最常见值

Question

我正在尝试使用 ddply（plyr 函数）从以下形式的社交媒体数据中排序和识别任何唯一用户对之间最频繁的交互类型

from <- c('A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'D', 'D', 'D', 'D')
to <- c('B', 'B', 'D', 'A', 'C', 'C', 'D', 'A', 'D', 'B', 'A', 'B', 'B', 'A', 'C')
interaction_type <- c('like', 'comment', 'share', 'like', 'like', 'like', 'comment', 'like', 'like', 'share', 'like', 'comment', 'like', 'share', 'like')

dat <- data.frame(from, to, interaction_type)

如果正确聚合，应该找到任何唯一对之间最常见的交互类型（无论方向性如何（即 A-->B，A<--B）），如下所示

from    to  type
A       B   like
A       C   like
A       D   share
B       C   like
B       D   comment
C       D   like

虽然使用

很容易获得任意两个用户之间的交互总数

count <- ddply(sub_test, .(from, to), nrow)

我发现很难应用类似的方法来使用这种聚合方法找到任何给定对之间最常见的交互类型。实现我想要的输出的最有效方法是什么？另外，如何处理可能的 "tied" 情况？（我可能只使用 "tided" 作为所有绑定案例的单元格值）。

Answer 1

我们需要找到每组最常见的值（模式），而不考虑列的顺序 from、to。

从 this 答案中提取 Mode 函数

Mode <- function(x) {
   ux <- unique(x)
   ux[which.max(tabulate(match(x, ux)))]
}

我们可以使用 dplyr 来获取组中首次出现的最大值。

library(dplyr)

dat %>%
  mutate(key = paste0(pmin(from, to), pmax(from, to), sep = "")) %>%
  group_by(key) %>%
  mutate(interaction_type = Mode(interaction_type)) %>%
  slice(1) %>%
  ungroup() %>%
  select(-key)

#  from  to    interaction_type
#  <chr> <chr> <chr>           
#1 A     B     like            
#2 C     A     like            
#3 A     D     share           
#4 B     C     like            
#5 B     D     comment         
#6 C     D     like

通过在数据中添加 stringsAsFactors = FALSE 将列保留为字符。

Answer 2

类似于 Ronak 的方法

library(dplyr)
dat <- data.frame(from, to, interaction_type, stringsAsFactors = F)
dat %>% 
  mutate(
    pair = purrr::pmap_chr(
      .l = list(from = from, to = to),
      .f = function(from, to) paste(sort(c(from, to)), collapse = "")
    )
  ) %>%
  group_by(pair) %>%
  filter(n() == max(n()) & row_number() == 1) %>%
  ungroup() %>%
  select(-pair)
# A tibble: 6 x 3
  from  to    interaction_type
  <chr> <chr> <chr>           
1 A     B     like            
2 A     D     share           
3 B     C     like            
4 B     D     comment         
5 C     A     like            
6 C     D     like

Select 基于使用 `ddply` 的两列匹配对的列的最常见值

Select the most common value of a column based on matched pairs from two columns using `ddply`

r

aggregation

plyr

pairwise