如何计算R中的每列值频率组合？

如何解决如何计算R中的每列值频率组合？

在原始数据集中，我有 3k+ 行和 2 列 - id 可以在实践中应用的 ID 和语言。我的第一步是找到所选语言的频率组合。例如，Python 与 R、sql 一起被选择了多少次；或者使用 JavaScript、C++ 等选择 Java 的次数。

对 Stackoverflow 的一些研究帮助我找到了这些可能的模式。下面是一些带有示例数据集的代码：

sample <- data.frame(id = rep(randomNames::randomNames(4),each = 4),programming = c("R","Python","C#","Other","R","Tableu","Assembler","Java","JavaScript","Other"))
gr <- sample %>%
  group_by(id) %>%
  arrange(programming) %>%
  summarise(programming = paste(sort(unique(programming)),collapse = ",")) %>%
  count(programming)

但现在我想知道如何找到每种语言最常选择的数量。例如，R 语言被 Java 和 Kotlin 选中的次数很少，这不是一个非常流行的设置。但是用 Python 和 sql 选择的 R 更受欢迎。我的目的是找出被选择频率最高的语言。

我也做了一些研究 (example)，但不幸的是，没有找到解决方案。

我想我应该迭代我的 programming 列以找到所有可能的选择（R + ...，Python + ...；然后是 R + Python + ...）。我尝试使用 lapply，但在编写 lambda 函数时遇到了困难。

解决问题的可能方法是什么？有没有什么有效的功能可以达到这样的目的？

解决方法

一种选择是在每个 id 和 count 组合中创建最常一起出现的语言组合。 .

library(dplyr)

sample %>%
  group_by(id) %>%
  summarise(programming = combn(sort(programming),2,paste0,collapse = '-'),.groups = 'drop') %>%
  count(programming,sort = TRUE)

#   programming           n
#   <chr>             <int>
# 1 C#-Python             3
# 2 Other-R               3
# 3 C#-Other              2
# 4 C#-R                  2
# 5 Other-Python          2
# 6 Python-R              2
# 7 Assembler-Other       1
# 8 Assembler-R           1
# 9 Assembler-Tableu      1
#10 C#-Java               1
#11 C#-JavaScript         1
#12 Java-JavaScript       1
#13 Java-Python           1
#14 JavaScript-Python     1
#15 Other-Tableu          1
#16 R-Tableu              1