R data.table 分组并迭代两列

Question

我是 R 的新手，正在尝试解决以下问题：

有一个 table 有两列 books 和 readers 这些书，其中 books 和 readers 是书， reader ID，分别为：

> books = c (1,2,3,1,1,2)
> readers = c(30, 10, 20, 20, 10, 30)
> bt = data.table(books, readers)
> bt
   books readers
1:     1      30
2:     2      10
3:     3      20
4:     1      20
5:     1      10
6:     2      30

对于每对书，我需要计算阅读这两本书的 reader 的数量，使用此算法：

for each book
  for each reader of the book
    for each other_book in books of the reader
      increment common_reader_count ((book, other_book), cnt)

为了实现上述算法，我需要将这些数据分为两个列表：1) 包含每本书的 readers 的图书列表和 2) readers 的列表，包含阅读的书籍每个reader，例如：

> bookList = list( 
+ list(1, list(30, 20, 10)),
+         list(2, list(10, 30)),
+         list(3, list(20))
+       )
> 
> readerList = list (
+ list(30, list(1,2)),
+ list(20, list(3,1)),
+ list(10, list(2,1))
+ )
>

问题：

1) 使用什么函数从书中构建这些列表table？

2) 从 bookList 和 readerList 如何生成读过这两本书的 reader 数量的书对？对于上述 bt 本书 table，结果应为：

((1, 2), 2)
((1,3), 1)
((2,3), 0)

成对书籍的顺序无关紧要，因此，例如 (1,2) 和 (2,1) 应减少为其中之一。

请指教函数和数据结构来解决这个问题。谢谢！

更新：

理想情况下，我需要得到一个矩阵，其中包含书籍 ID 的行和列。交集是 reader 阅读这对书籍的计数。所以对于上面的例子矩阵应该是：

books | 1 | 2 | 3 |
   1  | 1 | 2 | 1 |
   2  | 2 | 1 | 0 |
   3  | 1 | 0 | 1 |

   Which means:

   book 1 and 2 are read together by 2 readers 
   book 1 and 3 are read together by 1 reader
   book 2 and 3 are read together by 0 readers

如何构建这样的矩阵？

Answer 1

试试这个：

## gives you a seperate list for each book
list_bookls <- split(bt$readers, books)

## gives you a seperate list for each reader
list_readers <- split(bt$books, readers)

另一种输出形式，输出为data.table并给出每个reader阅读的书籍数量和每个reader阅读的书籍数量：

bt[ , .("N Books" = length(unique(books))), by = readers]
bt[ , .("N Readers" = length(unique(readers))), by = readers]

对于你问题的第二部分，我将使用以下内容：

bt2 <- bt[ , .N, by = .(readers, books)]
library(tidyr)
spread(bt2, key = books, value = "N", fill = 0)

输出是一个 table，如果书被 reader X 阅读则给出 1，否则给出 0：

   readers 1 2 3
1:      10 1 1 0
2:      20 1 0 1
3:      30 1 1 0

Answer 2

这是一个基本的 R 解决方案，用于测试是否读取了对。如果您绝对需要使用它，其他人可以为 data.table 添加一个：

books = c (1,2,3,1,1,2)
readers = c(30, 10, 20, 20, 10, 30)
bks = data.frame(books, readers)

cmb <- combn(unique(books), 2)
cmb <- t(cmb)
combos <- as.data.frame(cmb)
bktbl <- t(table(bks))

for (i in 1:nrow(bktbl)) {
  x[i] <- sum(bktbl[i, cmb[i, 1]], bktbl[i, cmb[i, 2]])
  combos$PairRead <- ifelse(x > 1,"yes", "no")
}
combos
  V1 V2 PairRead
1  1  2      yes
2  1  3      yes
3  2  3       no

Answer 3

这是另一个选项：

combs <- combn(unique(books), 2)# Generate combos of books
setkey(bt, books)
both.read <-bt[                 # Cartesian join all combos to our data
  data.table(books=c(combs), combo.id=c(col(combs))), allow.cartesian=T
][,
  .(                            # For each combo, figure out how many readers show up twice, meaning they've read both books
    read.both=sum(duplicated(readers)), 
    book1=min(books), book2=max(books)
  ),
  by=combo.id
]
dcast.data.table(               # dcast to desired format
  both.read, book1 ~ book2, value.var="read.both", fun.aggregate=sum
)

产生：

   book1 2 3
1:     1 2 1
2:     2 0 0

请注意，在设计上这只会进行非等效组合（即我们不显示书籍 1-2 和 2-1，只显示 1-2，因为它们是相同的）。

R data.table 分组并迭代两列

R data.table group by and iterate by two columns

iteration

group-by

r

data.table