R，对数据汇总的补充。表

Question

是否可以在R data.tables中进行补充汇总。下面的例子。

library(data.table) 
dt <- data.table(a=c("word1","word2","word2","word2"), b=c("cat1","cat1","cat1","cat2")) 

要获得特定的词数在一个类别

newdt <- dt[,(.N),by=.(a,b)] 
#word1,cat1 - 1 
#word2,cat1 - 2 
#word2,cat2 - 1 

我怎么能指望在类别中的所有其它词的数量？或者相关地，这个词在其他类别中的数量？像下面这样的东西？

#doesn't work 
#newdt2 <- dt[a!=a,(.N),by=.(a,b)] 
#the expected answer would be 
#word1,cat1 - 2 
#word2,cat1 - 1 
#word2,cat2 - 0 

我在网上教程或问题中找不到任何帮助。有没有简单的方法来获得补充。 Data.table解决方案会很好，因为使用50M行表。谢谢！

Answer 1

继Bruno想法来计算每个类别的总数减去在每个类别的单词数的差异，但使用data.table语法上的更新加入就变成了“一个衬里“：

library(data.table) 
dt <-data.table(a = c("word1", rep("word2", 3L)), b = c(rep("cat1", 3L), "cat2")) 
dt[, .N, by = .(a, b)][dt[, .N, by = b], on = "b", Nc := i.N - N][] 

 a b N Nc 
1: word1 cat1 1 2 
2: word2 cat1 2 1 
3: word2 cat2 1 0 

Answer 2

以下是你的代码（所以它运行我加双引号）：

library(data.table) 
dt <- 
data.table(a=c("word1","word2","word2","word2"),b=c("cat1","cat1","cat1","cat2")) 

newdt <- dt[,(.N),by=.(a,b)] 
names(newdt) = c("a", "b", "cnt") # rename the count column 

下面一行将统计每个类别中出现了多少次

catCnt = dt[,(.N),by=.(b)] 
names(catCnt) = c("b", "tot_b") 
catCnt 

字数属于除当前词以外的每个类别是属于该类别的词的数量与对（category,word）出现的次数之间的差异。 为了更好地实现，结果我按类别列

aux = merge(newdt, catCnt, by="b") 

，然后我计算了总数和“情侣”之间的差额合并两个data.table对象计数：

aux$cnt_not_a = aux$tot_b - aux$cnt 

如果你想通过使用data.table命令仅但

res = aux[, c("b", "a", "cnt_not_a")] 
res 

我不知道，如果你能做到这一点：仅保留所需的列这看起来很简单，我...