Suponha que eu tenha um conjunto de dados com as colunas pais_1
e pais_2
. Eu desejo contar quantas vezes cada combinação de países ocorre neste conjunto de dados. Veja o exemplo abaixo para mais detalhes.
dados <- structure(list(pais_1 = c("Argentina", "Chile", "Argentina",
"Brasil", "Argentina", "Chile",
"Chile", "Brasil", "Brasil",
"Chile"),
pais_2 = c("Chile", "Argentina", "Argentina",
"Argentina", "Brasil", "Brasil",
"Brasil", "Brasil", "Chile",
"Argentina")),
class = "data.frame", row.names = c(NA, -10L))
library(dplyr)
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
dados
#> pais_1 pais_2
#> 1 Argentina Chile
#> 2 Chile Argentina
#> 3 Argentina Argentina
#> 4 Brasil Argentina
#> 5 Argentina Brasil
#> 6 Chile Brasil
#> 7 Chile Brasil
#> 8 Brasil Brasil
#> 9 Brasil Chile
#> 10 Chile Argentina
dados |>
count(pais_1, pais_2) |>
arrange(desc(n))
#> pais_1 pais_2 n
#> 1 Chile Argentina 2
#> 2 Chile Brasil 2
#> 3 Argentina Argentina 1
#> 4 Argentina Brasil 1
#> 5 Argentina Chile 1
#> 6 Brasil Argentina 1
#> 7 Brasil Brasil 1
#> 8 Brasil Chile 1
Created on 2023-11-20 with reprex v2.0.2
As ocorrências Chile-Argentina
e Chile-Brasil
são as mais comuns, ocorrendo 2 vezes cada uma. Entretanto, a ordem não importa para mim, ou seja, para o fim que necessito, Chile-Argentina
e Argentina-Chile
tem o mesmo propósito. Desta forma, as linhas 5 (Argentina-Chile
) e 8 (Brasil-Chile
) deveriam estar contando no resultado final. Ou seja, eu espero obter uma tabela tipo esta para este exemplo:
#> pais_1 pais_2 n
#> 1 Chile Argentina 3
#> 2 Chile Brasil 3
#> 3 Argentina Brasil 2
#> 4 Argentina Argentina 1
#> 5 Brasil Brasil 1
A ordem dos nomes dos países não importa neste caso. As colunas sequer precisam se chamar pais_1
e pais_2
no resultado final.
Como obter isto? Alguma ideia de pré-processamento nos dados iniciais ou na primeira tabela que obtive?