在一個循環中創建多個子集

Question

使用R，我試圖找出有多少相同的元素包含在第一和第二列，第一和第三，第一和第四等...作爲輸出我想有一個數據框，其中說明原始數據集中有多少行滿足條件。

我唯一的想法是使用subset函數，當列被定義爲data$a時，它可以很好地工作。但是當我意識到我不能在循環中使用子集函數時，我真的不知道我可以使用什麼。

任何幫助真的很感激。

D <- 0 

a <-floor(runif(10, 1,101)) 
b <-floor(runif(10, 1,101)) 
c <-floor(runif(10, 1,101)) 
d <-floor(runif(10, 1,101)) 

data <- cbind(a,b,c,d) #Generate random data 

for(i in 2:ncol(data)){ 
sub<- nrow(subset(data, a == 10 & data[,i] == 10)) #Compare a with all other columns and return the number of rows 
D[,paste0("col_",i)] <- sub #output 
} 

Answer 1

通常情況下，你可以做colSums(data[data[,1]==10, -1, drop=FALSE]==10)：

set.seed(42) 
n <- 500 
x <- 5:20 
data <- data.frame(a=sample(x, n, rep=TRUE), b=sample(x, n, rep=TRUE), c=sample(x, n, rep=TRUE), d=sample(x, n, rep=TRUE)) 
data[data[,1]==10, -1, drop=FALSE] # or data[data$a==10, ...] 
colSums(data[data[,1]==10, -1, drop=FALSE]==10) # or data[data$a==10, ...] 

，但你會出現問題，如果沒有價值10在a，如：

set.seed(42) 
n <- 500 
x <- 5:20 
data <- data.frame(a=10L+sample(x, n, rep=TRUE), b=sample(x, n, rep=TRUE), c=sample(x, n, rep=TRUE), d=sample(x, n, rep=TRUE)) 
data[data[,1]==10, -1, drop=FALSE] # or data[data$a==10, ...] 
colSums(data[data[,1]==10, -1, drop=FALSE]==10) # or data[data$a==10, ...] 

你必須先測試這種情況通過

any(data$a==10) 

下面是使用回收規則的解決方案：

data <- as.matrix(data) 
colSums(data[,1]==10 & data[, -1]==10) 

該解決方案不是問題上面提到。

這裏是data.table溶液：

library("data.table") 

set.seed(42) 
n <- 500 
x <- 5:20 
data <- data.table(a=sample(x, n, rep=TRUE), b=sample(x, n, rep=TRUE), c=sample(x, n, rep=TRUE), d=sample(x, n, rep=TRUE)) 
data[a==10, sapply(.SD, function(x) sum(x==10)), .SDcols=-1] 
set.seed(42) 
data <- data.table(a=10L+sample(x, n, rep=TRUE), b=sample(x, n, rep=TRUE), c=sample(x, n, rep=TRUE), d=sample(x, n, rep=TRUE)) 
data[a==10, sapply(.SD, function(x) sum(x==10)), .SDcols=-1]