概述

Question

我有一个主数据集（all_members）。它每人有一排。我有25个其他数据表，成员可能会或可能不会列出，1次以上。我正在使用R Studio。

我想在all_members上为每个附加数据表创建一个新变量，然后执行一个countif，计算成员为其他数据表中的每个变量显示的次数。

在excel中，我会做一个组合vlookup + countif。如何在R Studio中完成此操作？

Answer 1

有几种方法可以做到这一点，但这取决于您的数据是什么样的。可以简单地将所有表连接到单个数据帧中，只需：

library(dplyr)
df %>% group_by(name) %>% tally()

如果由于数据不同而无法将数据合并为单个df，则会更复杂一些。

Answer 2

概述

以下答案依赖于我制作的可重现数据，该数据计算特定班级的学生人数。这些计数作为新列添加到主数据集，名为all.students。

在sum()内的匿名函数中使用sapply()非常灵活，因此它会计算在不同数据集中多次出现的ID个值。虽然math.class和history.class每个数据集只有一个唯一的学生，但detention多次包含同一个学生。这些计数反映在最终输出中。

可重复的示例

此可重现的示例可确保all.student$ID中的值是唯一的。

此答案依赖于手动创建（和命名）并列出其他表中的单独ID列。在计算每个表中X个体学生出现的次数时，您可以将该列表用作all.students参数。使用cbind.data.frame()列将all.students与count.ID.in.other.tables绑定，将这些计数作为列添加到all.students。

# create data
all.students <- 
  data.frame( ID = 1:10
              , Gender = sample( x = c( "F", "M"), size = 10, replace = TRUE )
              , stringsAsFactors = FALSE
  )

# ensure all.students
# only contains one row for each unique value in `ID` column
all.students <- 
  all.students[ which( !duplicated( x = all.students$ID ) ) , ]

# check dim
dim( all.students )
# [1] 10  2

# three data frames
# one for each class
math.class <-
  data.frame( ID = c( 2:4, 6:7)
              , Grade = c( "A", "B", "C", "A", "C" )
              , stringsAsFactors = FALSE
  )

history.class <-
  data.frame( ID = c( 1, 8:10)
              , Grade = rep( x = "A", times = 4 )
              , stringsAsFactors = FALSE
  )

detention <-
  data.frame( ID = rep( x = 5, times = 3)
              , Date = as.Date( x = c( "2017-12-01"
                                       , "2018-01-23"
                                       , "2018-02-14"
              )
              )
              , stringsAsFactors = FALSE
  )

# create list
# containing each `ID` column
# from each table not named `all.students`
ID.in.other.table <-
  list( detention = detention$ID
        , history.class = history.class$ID
        , math.class = math.class$ID
        )
# view list
ID.in.other.table
# $detention
# [1] 5 5 5
# 
# $history.class
# [1]  1  8  9 10
# 
# $math.class
# [1] 2 3 4 6 7

# count how many times each member
# appears in the other data frames
count.ID.in.other.tables <-
  lapply( X = ID.in.other.table
          , FUN = function( i )
            sapply( X = all.students$ID,
                    FUN = function( j ) 
                      sum( i == j )
            )
  )

# view list
count.ID.in.other.tables
# $detention
# [1] 0 0 0 0 3 0 0 0 0 0
# 
# $history.class
# [1] 1 0 0 0 0 0 0 1 1 1
# 
# $math.class
# [1] 0 1 1 1 0 1 1 0 0 0

# combine vectors in list
# and add to all.students
all.students <-
  cbind.data.frame(
    all.students
    , do.call(
      what = cbind
      , args = count.ID.in.other.tables
    )
    , stringsAsFactors = FALSE
  )

# check dim
dim( all.students ) # [1] 10  5

# view data
all.students
#    ID Gender detention history.class math.class
# 1   1      F         0             1          0
# 2   2      M         0             0          1
# 3   3      M         0             0          1
# 4   4      M         0             0          1
# 5   5      F         3             0          0
# 6   6      F         0             0          1
# 7   7      M         0             0          1
# 8   8      F         0             1          0
# 9   9      F         0             1          0
# 10 10      M         0             1          0

# end of script #

从多个数据帧中识别主数据集

2 个答案:

概述

可重复的示例