Question

我希望通过对第二个变量进行分组来计算唯一值的数量，然后将计数添加到现有data.frame作为新列。例如，如果现有数据框如下所示：

  color  type
1 black chair
2 black chair
3 black  sofa
4 green  sofa
5 green  sofa
6   red  sofa
7   red plate
8  blue  sofa
9  blue plate
10 blue chair

我想为每个color添加数据中存在的唯一types计数：

  color  type unique_types
1 black chair            2
2 black chair            2
3 black  sofa            2
4 green  sofa            1
5 green  sofa            1
6   red  sofa            2
7   red plate            2
8  blue  sofa            3
9  blue plate            3
10 blue chair            3

我希望使用ave，但似乎无法找到一种不需要多行的简单方法。我有> 100,000行，所以我也不确定效率有多重要。

它与此问题有些相似：Count number of observations/rows per group and add result to data frame

Answer 1

使用ave（因为您具体要求）：

within(df, { count <- ave(type, color, FUN=function(x) length(unique(x)))})

确保type是字符向量而不是因子。

由于您还说您的数据很大，因此速度/性能可能是一个因素，我也建议使用data.table解决方案。

require(data.table)
setDT(df)[, count := uniqueN(type), by = color] # v1.9.6+
# if you don't want df to be modified by reference
ans = as.data.table(df)[, count := uniqueN(type), by = color]

uniqueN已在v1.9.6中实施，速度相当于length(unique(.))。此外，它还适用于data.frames / data.tables。

其他解决方案：

使用plyr：

require(plyr)
ddply(df, .(color), mutate, count = length(unique(type)))

使用aggregate：

agg <- aggregate(data=df, type ~ color, function(x) length(unique(x)))
merge(df, agg, by="color", all=TRUE)

Answer 2

以下是dplyr包的解决方案 - 它n_distinct()作为length(unique())的包装。

df %>%
  group_by(color) %>%
  mutate(unique_types = n_distinct(type))

Answer 3

通过将unique与table或tabulate

组合，可以在不进行分组操作的矢量化中实现此目的

如果df$color是factor，那么

要么

table(unique(df)$color)[as.character(df$color)]
# black black black green green   red   red  blue  blue  blue 
#    2     2     2     1     1     2     2     3     3     3

或

tabulate(unique(df)$color)[as.integer(df$color)]
# [1] 2 2 2 1 1 2 2 3 3 3

如果df$color为character，则只需

table(unique(df)$color)[df$color]

如果df$color是integer，那么只需

tabulate(unique(df)$color)[df$color]

如何按组向R data.frame添加唯一值的计数

3 个答案: