提问人：Cindy Burker 提问时间：9/20/2022 更新时间：9/20/2022 访问量：151
将时间序列事务数据转换为 R 中所有产品的出现计数表
Converting time series transaction data into an occurrence count table of all products in R
问：
我有 500 万行 + 行每日交易数据，列格式为（年、月、月、日、时、购买的产品）： 我创建了这个数据框作为示例（请注意，原始数据没有像我在这个例子中给出的那样排序，并且日期范围跨度为 4 年。
all_product_names = c("a","b","c","d","e","f","g","h","i")
my_table <- data.frame(year = c(2022,2022,2022,2022,2022,2022,2022,2022,2022,2022,2022,2022),
month = c(rep(4,12)),
day = c(rep(3,12)),
hour = c(0,0,0,0,0,0,1,1,1,1,2,2),
product_name = c("a","b","c","a","c","c","d","f","a","b","c","f") )
我想要的输出是一个表格，在给定的时间实例（年-月-日-小时的特定组合）下，所有产品购买的计数都作为列扩展到表格中。“all_product_names”变量为您提供所有现有产品的列表。请注意，并非每次实例都购买了所有产品时，对于这些实例，该产品的“计数表”值必须为零。这是我试图让我的输出分组看起来像什么：
使用 sqldf，我尝试按产品分组，以便获得每个实例的product_name计数，但是它不计入每个实例不存在的产品。我还需要将行格式转换为列，如上面的解决方案表示例所示。
xx <-sqldf('SELECT year,month,day,hour,product_name,COUNT(product_name) FROM my_table GROUP BY product_name,hour,day,month,year
ORDER BY product_name ASC')
另外，请注意，我不必使用 sqldf 库。感谢您抽出宝贵时间接受采访！
答：
1赞
Jon Spring
9/20/2022
#1
library(tidyverse)
my_table %>%
count(year, month, day, hour, product_name) %>%
pivot_wider(names_from = product_name, values_from = n, values_fill = 0)
评论
1赞
Cindy Burker
9/20/2022
我不敢相信解决方案如此简短和简单。非常感谢您抽出宝贵时间接受采访！
0赞
B. Christian Kamgang
9/20/2022
如果我说结果与预期输出不同，我错了吗？透视后缺少某些列（列 G 到 I）。
0赞
Merijn van Tilborg
9/20/2022
#2
library(data.table)
setDT(my_table) # if not yet a data.table
results <- dcast(my_table, year + month + day + hour ~ product_name, fun.aggregate = length)
results[, setdiff(all_product_names, my_table$product_name) := 0L]
setcolorder(results, c(names(my_table)[1:4], all_product_names))
results
# year month day hour a b c d e f g h i
# 1: 2022 4 3 0 2 1 3 0 0 0 0 0 0
# 2: 2022 4 3 1 1 1 0 1 0 1 0 0 0
# 3: 2022 4 3 2 0 0 1 0 0 1 0 0 0
评论
1赞
B. Christian Kamgang
9/20/2022
因为 ，没有必要指定，因为对于不存在的组合，它无论如何都是 0。另外，我认为结果与预期输出略有不同。您可以考虑在当前结果中添加类似内容;但如果我错了，请告诉我。fun.aggregate=lengthfill=0result[, setdiff(all_product_names, my_table$product_name) := 0L]
1赞
Merijn van Tilborg
9/20/2022
有效的建议，我添加了代码以获得完整的 OP 所需的结果
评论