R help es - May 2016 - Division entre el numero de ocurrencias parciales y totales dentro de un DataFrame de manera eficiente

Hola:

A ver si me podéis ayudar que estoy atascado...

Necesito contar los subcasos de la columna 2 de un dataframe respecto a los
casos de la columna 1.

Es decir, tengo un data.frame

a<-c(rep(c('a','b','c','b','c'),3),'b')
b<-c(rep(c('x','y','z','w'),4))
c<-c(rep(c(1,1,0,0),4))
df1<-data.frame(a,b,c,stringsAsFactors = FALSE)


Y necesito contar los casos donde aparece "a" y "x" y
dividirlo por el
total de filas con primera columna=a. ,



df1:
> df1
   a b
1  a x
2  b y
3  c z
4  b w
5  c x
6  a y
7  b z
8  c w
9  b x
10 c y
11 a z
12 b w
13 c x
14 b y
15 c z
16 b w

Si hago
df2<-df1%>%group_by(a)%>%count(a,b,c)
df3<-df1%>%group_by(a)%>%count(a)

en el df2:
       a     b     n
   (chr) (chr) (int)
1      a     x     1
2      a     y     1
3      a     z     1
4      b     w     3
5      b     x     1
6      b     y     2
7      b     z     1
8      c     w     1
9      c     x     2
10     c     y     1
11     c     z     2

Necesito transformarlo en:

       a     b     n
   (chr) (chr) (int)
1      a     x     1/3
2      a     y     1/3
3      a     z     1/3
4      b     w     3/7
5      b     x     1/7
6      b     y     2/7
7      b     z     1/7
8      c     w     1/6
9      c     x     2/6
10     c     y     1/6
11     c     z     2/6


donde 1/3 es el número de filas con valor (a,x)/totalvalores a.

En fin, no se si me explico.

El problema que tengo es que voy a tener muchisimas filas con pocas
repeticiones, y no consigo hacer algo minimamente eficiente (y ya no
digamos elegante).

Muchas gracias por vuestro tiempo!

Att. Toni

	[[alternative HTML version deleted]]

Estimado Tomi Massó Jou

Pienso en dos partes, la primera, para ser optimizado debería trabajar con
vectores. En todo caso con for, if.

Lo segundo que pienso, usted dice que va a tener muchos datos, ¿Qué pasa si en
lugar de data.frame intenta con data.table?

Javier Rubén Marcuzzi

De: Toni Massó Jou
Enviado: jueves, 12 de mayo de 2016 18:50
Para: r-help-es en r-project.org
Asunto: [R-es] Division entre el numero de ocurrencias parciales y totalesdentro
de un DataFrame de manera eficiente

Hola:

A ver si me podéis ayudar que estoy atascado...

Necesito contar los subcasos de la columna 2 de un dataframe respecto a los
casos de la columna 1.

Es decir, tengo un data.frame

a<-c(rep(c('a','b','c','b','c'),3),'b')
b<-c(rep(c('x','y','z','w'),4))
c<-c(rep(c(1,1,0,0),4))
df1<-data.frame(a,b,c,stringsAsFactors = FALSE)


Y necesito contar los casos donde aparece "a" y "x" y
dividirlo por el
total de filas con primera columna=a. ,



df1:
> df1
   a b
1  a x
2  b y
3  c z
4  b w
5  c x
6  a y
7  b z
8  c w
9  b x
10 c y
11 a z
12 b w
13 c x
14 b y
15 c z
16 b w

Si hago
df2<-df1%>%group_by(a)%>%count(a,b,c)
df3<-df1%>%group_by(a)%>%count(a)

en el df2:
       a     b     n
   (chr) (chr) (int)
1      a     x     1
2      a     y     1
3      a     z     1
4      b     w     3
5      b     x     1
6      b     y     2
7      b     z     1
8      c     w     1
9      c     x     2
10     c     y     1
11     c     z     2

Necesito transformarlo en:

       a     b     n
   (chr) (chr) (int)
1      a     x     1/3
2      a     y     1/3
3      a     z     1/3
4      b     w     3/7
5      b     x     1/7
6      b     y     2/7
7      b     z     1/7
8      c     w     1/6
9      c     x     2/6
10     c     y     1/6
11     c     z     2/6


donde 1/3 es el número de filas con valor (a,x)/totalvalores a.

En fin, no se si me explico.

El problema que tengo es que voy a tener muchisimas filas con pocas
repeticiones, y no consigo hacer algo minimamente eficiente (y ya no
digamos elegante).

Muchas gracias por vuestro tiempo!

Att. Toni

	[[alternative HTML version deleted]]

_______________________________________________
R-help-es mailing list
R-help-es en r-project.org
https://stat.ethz.ch/mailman/listinfo/r-help-es


	[[alternative HTML version deleted]]

Hola:

Aplicaré lo que dices de usar data.table.

Sobre hacer for, etc. Ya lo he hecho, pero pensaba que usar dplyr haría la
tarea más rápida por estar este implementado en C (si no me equivoco).
Siempre que puedo utilizo estas funciones, porque codificas menos y van más
rápido. En este caso el problema es que no he encontrado la manera de hacer
lo que quiero con dplyr o similar. La idea era al final comparar
rendimientos...


Muchas gracias Javier! ;)

2016-05-12 23:59 GMT+02:00 Javier Marcuzzi <javier.ruben.marcuzzi en
gmail.com>
:
> Estimado Tomi Massó Jou
>
>
>
> Pienso en dos partes, la primera, para ser optimizado debería trabajar con
> vectores. En todo caso con for, if.
>
>
>
> Lo segundo que pienso, usted dice que va a tener muchos datos, ¿Qué pasa
> si en lugar de data.frame intenta con data.table?
>
>
>
> Javier Rubén Marcuzzi
>
>
>
> *De: *Toni Massó Jou <tmassojou en gmail.com>
> *Enviado: *jueves, 12 de mayo de 2016 18:50
> *Para: *r-help-es en r-project.org
> *Asunto: *[R-es] Division entre el numero de ocurrencias parciales y
> totalesdentro de un DataFrame de manera eficiente
>
>
>
> Hola:
>
>
>
> A ver si me podéis ayudar que estoy atascado...
>
>
>
> Necesito contar los subcasos de la columna 2 de un dataframe respecto a los
>
> casos de la columna 1.
>
>
>
> Es decir, tengo un data.frame
>
>
>
>
a<-c(rep(c('a','b','c','b','c'),3),'b')
>
> b<-c(rep(c('x','y','z','w'),4))
>
> c<-c(rep(c(1,1,0,0),4))
>
> df1<-data.frame(a,b,c,stringsAsFactors = FALSE)
>
>
>
>
>
> Y necesito contar los casos donde aparece "a" y "x" y
dividirlo por el
>
> total de filas con primera columna=a. ,
>
>
>
>
>
>
>
> df1:
>
> > df1
>
>    a b
>
> 1  a x
>
> 2  b y
>
> 3  c z
>
> 4  b w
>
> 5  c x
>
> 6  a y
>
> 7  b z
>
> 8  c w
>
> 9  b x
>
> 10 c y
>
> 11 a z
>
> 12 b w
>
> 13 c x
>
> 14 b y
>
> 15 c z
>
> 16 b w
>
>
>
> Si hago
>
> df2<-df1%>%group_by(a)%>%count(a,b,c)
>
> df3<-df1%>%group_by(a)%>%count(a)
>
>
>
> en el df2:
>
>        a     b     n
>
>    (chr) (chr) (int)
>
> 1      a     x     1
>
> 2      a     y     1
>
> 3      a     z     1
>
> 4      b     w     3
>
> 5      b     x     1
>
> 6      b     y     2
>
> 7      b     z     1
>
> 8      c     w     1
>
> 9      c     x     2
>
> 10     c     y     1
>
> 11     c     z     2
>
>
>
> Necesito transformarlo en:
>
>
>
>        a     b     n
>
>    (chr) (chr) (int)
>
> 1      a     x     1/3
>
> 2      a     y     1/3
>
> 3      a     z     1/3
>
> 4      b     w     3/7
>
> 5      b     x     1/7
>
> 6      b     y     2/7
>
> 7      b     z     1/7
>
> 8      c     w     1/6
>
> 9      c     x     2/6
>
> 10     c     y     1/6
>
> 11     c     z     2/6
>
>
>
>
>
> donde 1/3 es el número de filas con valor (a,x)/totalvalores a.
>
>
>
> En fin, no se si me explico.
>
>
>
> El problema que tengo es que voy a tener muchisimas filas con pocas
>
> repeticiones, y no consigo hacer algo minimamente eficiente (y ya no
>
> digamos elegante).
>
>
>
> Muchas gracias por vuestro tiempo!
>
>
>
> Att. Toni
>
>
>
>                 [[alternative HTML version deleted]]
>
>
>
> _______________________________________________
>
> R-help-es mailing list
>
> R-help-es en r-project.org
>
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
>
	[[alternative HTML version deleted]]