Question

我有这种格式的数据集

现在我想添加一个列计数，用于计算用户的出现次数。我想要以下格式输出。

User    Count
1       1
2       1 
3       1
2       2
3       2
1       2
1       3

我的解决方案很少，但所有这些解决方案都有点慢。

Running count variable in R

我的data.frame现在有100,000行，很快就会达到100万行。我需要一个快速的解决方案。

Answer 1

使用dplyr

的选项

 library(dplyr)
 df1 %>%
      group_by(User) %>%
      mutate(Count=row_number())
 #    User Count
 #1    1     1
 #2    2     1
 #3    3     1
 #4    2     2
 #5    3     2
 #6    1     2
 #7    1     3

使用sqldf

library(sqldf)
sqldf('select a.*, 
           count(*) as Count
           from df1 a, df1 b
           where a.User = b.User and b.rowid <= a.rowid
           group by a.rowid')
#   User Count
#1    1     1
#2    2     1
#3    3     1
#4    2     2
#5    3     2
#6    1     2
#7    1     3

Answer 2

ave和seq.int：

相当容易

> ave(User,User, FUN= seq.int)
[1] 1 1 1 2 2 2 3

这是一种常见的策略，通常在物品彼此相邻时使用。第二个参数是分组变量，在这种情况下，第一个参数实际上是一个虚拟参数，因为它贡献的唯一一个是长度，并且ave不需要具有相邻的行。在分组中确定的值。

Answer 3

您可以使用我的＆＃34; splitstackshape＆＃34;中的getanID包：

library(splitstackshape)
getanID(mydf, "User")
##    User .id
## 1:    1   1
## 2:    2   1
## 3:    3   1
## 4:    2   2
## 5:    3   2
## 6:    1   2
## 7:    1   3

这实际上是一种使用＆＃34; data.table＆＃34;看起来如下所示：

as.data.table(mydf)[, count := seq(.N), by = "User"][]

基于R中的字段运行计数

3 个答案: