als.Daten.Rahmen der Tabelle() zusammenfassen Frequenzen

In R, ich bin auf der Suche nach einem Speicher-effizienteste Weg, um erstellen Sie eine tabellarische Zusammenfassung der Daten wie folgt.

Nehmen Sie zum Beispiel die data.frame foo die ich verwendet habe table() zu fassen, gefolgt von as.data.frame() zu erhalten, die Häufigkeit zählt.

foo <- data.frame(x= c('a', 'a', 'a', 'b', 'b', 'b'), y=c('ab', 'ac', 'ad', 'ae', 'fx', 'fy'))
bar <- as.data.frame(table(foo), stringsAsFactors=F)

Diese Ergebnisse in der folgenden Frequenz-Grafen für bar

   x  y Freq
1  a ab    1
2  b ab    0
3  a ac    1
4  b ac    0
5  a ad    1
6  b ad    0
7  a ae    0
8  b ae    1
9  a fx    0
10 b fx    1
11 a fy    0
12 b fy    1

Das problem das ich in Betrieb ist, wenn es gibt viele Ebenen der x und y, es beginnt mit, dass signifikante Mengen von Speicher - >64 GB. Ich Frage mich, ob es eine alternative Möglichkeit, dies zu tun Art von Frequenz zählen. Als ersten Schritt, habe ich stringsAsFactors=F, dies jedoch nicht vollständig das problem lösen.

InformationsquelleAutor andrewj | 2010-04-26
  1. 4

    Habe ich diese Methode für schnelle (spärlich) kreuztabellierung. Ich denke, es gibt Möglichkeiten für eine weitere Optimierung, aber es ist schon gut genug für mich, für große Daten-sets. Der Schlüssel ist die Verwendung von ninteraction von der plyr Paket, um schnell zu generieren, die eine numerische id für jede Zeile.

    tab <- function(df, drop = TRUE) {
  id <- plyr::ninteraction(df)
  ord <- order(id)

  df <- df[ord, , drop = FALSE]
  id <- id[ord]

  freq <- rle(id)$lengths
  labels <- unrowname(df[cumsum(freq), , drop = FALSE])

  data.frame(labels, freq)
}
    InformationsquelleAutor hadley
  2. 1

    Blick auf die xtabs Methode in der Matrix - Paket, das keine sparse-Kreuz-Tabellierung.

    • Danke für die Anregung. Allerdings denke ich, dass xtabs funktioniert nur mit zwei-Wege-Tabellen. Es stellt sich heraus, dass in meinem konkreten Fall habe ich eigentlich eine Tabelle, die die drei-Wege.
    InformationsquelleAutor Jonathan Chang
  3. 1
    library(plyr)
ddply(foo, ~ x + y, nrow,.drop=FALSE)
    InformationsquelleAutor Ian Fellows
Schreibe einen Kommentar