使用R DATA.TABLE计算条件比例的方法

Question

假设我们有这个玩具示例：

library(data.table)
temp <- data.table(first=c("A", "A","A", "A","B","C","C"), 
   sec=c("X", "X","X", "Y","X",  "Z","Z"), stringsAsFactors = T))
first sec
  A   X
  A   X
  A   X
  A   Y
  B   X
  C   Z
  C   Z

我想获得第三列，说明第一列发生在发生的组合的比例。

我必须使用数据进行。

temp[,N1:=.N,by=.(first, sec)]
temp[,N2:=.N,by=first]
temp[, prop := N1/N2]
temp[,c("N1","N2"):=NULL]

first sec prop
   A   X 0.75
   A   X 0.75
   A   X 0.75
   A   Y 0.25
   B   X 1.00
   C   Z 1.00
   C   Z 1.00

这意味着A，X发生3次。A发生了4次，因此斧头发生了75％的时间，第一个字母为a。

不能更轻松吗？

有点

temp[,.N(first,sec)/.N(first)]

Answer 1

与 ave中的每个第一级组内进行分组：

temp[, prop := ave(as.numeric(sec), sec, FUN = length) / .N, by = .(first)]
# > temp
#    first sec prop
# 1:     A   X 0.75
# 2:     A   X 0.75
# 3:     A   X 0.75
# 4:     A   Y 0.25
# 5:     B   X 1.00
# 6:     C   Z 1.00
# 7:     C   Z 1.00

启发者：https：//stackoverflow.com/a/32003058/3926543

另一种方式：链命令：

temp[,N:=.N,by=.(first, sec)][, prop := N / .N, by = .(first)][, N := NULL]

当first和sec具有多个级别时，temp有更多的行，链接命令或OP问题中的解决方案将比ave解决方案更快。

Answer 2

这是一种替代方案。在我看来，这并不是简单，但是体现了您的想法。这个想法是在首次使用table内计数SEC的单独值，返回比例和SEC的相应值，DROP计数为0，然后加入返回的数据。

temp[temp[, {cnt=table(sec); .(sec=names(cnt), prop=c(cnt) / .N)}, by=first][prop > 0],
     on=c("first", "sec")]
   first sec prop
1:     A   X 0.75
2:     A   X 0.75
3:     A   X 0.75
4:     A   Y 0.25
5:     B   X 1.00
6:     C   Z 1.00
7:     C   Z 1.00