Question

我的数据集的简化版本如下：

depth value
   1     a
   1     b
   2     a
   2     b
   2     b
   3     c

我想创建一个新的数据集，对于每个“深度”值，我将从顶部开始具有唯一值的累积数量。 e.g。

depth cumsum
 1      2
 2      2
 3      3

关于如何做到这一点的任何想法？我对R来说比较新。

Answer 1

我发现这是使用factor并仔细设置levels的完美案例。我会在这里使用data.table这个想法。确保您的value列为character（非绝对要求）。

第1步：只需data.frame行即可将data.table转换为unique。

require(data.table)
dt <- as.data.table(unique(df))
setkey(dt, "depth") # just to be sure before factoring "value"

第2步：将value转换为factor并强制转换为numeric。确保自己设置级别（这很重要）。
```
dt[, id := as.numeric(factor(value, levels = unique(value)))]
```

第3步：将关键列设置为depth进行子集化，选择最后一个值

 setkey(dt, "depth", "id")
 dt.out <- dt[J(unique(depth)), mult="last"][, value := NULL]

#    depth id
# 1:     1  2
# 2:     2  2
# 3:     3  3

第4步：由于深度增加的行中的所有值都应至少前一行的值，因此应使用cummax来获取最终输出。
```
dt.out[, id := cummax(id)]
```

修改：上述代码仅供参考。实际上，您根本不需要第3列。这就是我写最终代码的方式。

require(data.table)
dt <- as.data.table(unique(df))
setkey(dt, "depth")
dt[, value := as.numeric(factor(value, levels = unique(value)))]
setkey(dt, "depth", "value")
dt.out <- dt[J(unique(depth)), mult="last"]
dt.out[, value := cummax(value)]

这是一个更棘手的例子和代码的输出：

df <- structure(list(depth = c(1, 1, 2, 2, 3, 3, 3, 4, 5, 5, 6), 
                value = structure(c(1L, 2L, 3L, 4L, 1L, 3L, 4L, 5L, 6L, 1L, 1L), 
                .Label = c("a", "b", "c", "d", "f", "g"), class = "factor")), 
                .Names = c("depth", "value"), row.names = c(NA, -11L), 
                class = "data.frame")
#    depth value
# 1:     1     2
# 2:     2     4
# 3:     3     4
# 4:     4     5
# 5:     5     6
# 6:     6     6

Answer 2

这是另一次尝试：

numvals <- cummax(as.numeric(factor(mydf$value)))
aggregate(numvals, list(depth=mydf$depth), max)

给出了：

它似乎也适用于@ Arun的例子：

Answer 3

一个好的第一步是创建一个TRUE或FALSE列，其中每个值的第一个为TRUE，以后FALSE为duplicated那个价值。这可以使用mydata$first.appearance = !duplicated(mydata$value)：

轻松完成

aggregate

最好使用first.appearance重塑数据。在这种情况下，它表示要对depth的每个子集中的newdata = aggregate(first.appearance ~ depth, data=mydata, FUN=sum)列求和：

  depth first.appearance
1     1  2
2     2  0
3     3  1

结果如下：

cumsum

但这仍然不是累积金额。为此，您可以使用newdata$cumsum = cumsum(newdata$first.appearance) newdata$first.appearance = NULL函数（然后删除旧列）：

mydata$first.appearance = !duplicated(mydata$value)
newdata = aggregate(first.appearance ~ depth, data=mydata, FUN=sum)
newdata$cumsum = cumsum(newdata$first.appearance)
newdata$first.appearance = NULL

所以回顾一下：

  depth cumsum
1     1      2
2     2      2
3     3      3

输出：

{{1}}

Answer 4

使用sqldf包可以使用单个SQL语句以相对干净的方式编写。假设DF是原始数据框：

library(sqldf)

sqldf("select b.depth, count(distinct a.value) as cumsum
    from DF a join DF b 
    on a.depth <= b.depth
    group by b.depth"
)

Answer 5

以下是使用lapply()的另一种解决方案。使用unique(df$depth)制作唯一depth值的向量，然后对于每个此类值子集，只有value值等于或小于特定depth值的depth值。然后计算唯一value值的长度。此长度值存储在cumsum中，然后depth=x将提供特定深度级别的值。使用do.call(rbind,...)将其设为一个数据框。

do.call(rbind,lapply(unique(df$depth), 
               function(x)
             data.frame(depth=x,cumsum=length(unique(df$value[df$depth<=x])))))
  depth cumsum
1     1      2
2     2      2
3     3      3

Answer 6

dplyr的尝试。

MessageHandler

R中唯一值的累积计数

6 个答案: