Question

我需要总结一下我分配给群组的字符串数量，我知道我可以在dplyr / tidyr中完成，但我错过了一些东西。

示例数据集：

Owner = c('bob','julia','cheryl','bob','julia','cheryl')
Day = c('Mon', 'Tue') 
Locn = c('house','store','apartment','office','house','shop')
data <- data.frame(Owner, Day, Locn)

看起来像这样：

   Owner Day      Locn
1    bob Mon     house
2  julia Tue     store
3 cheryl Mon apartment
4    bob Tue    office
5  julia Mon     house
6 cheryl Tue      shop

我想按名称和日期分组，然后按列计算分组位置。在这个例子中，我希望'house'和'apartment'添加到标题为'Home'的列中，'store'，'office'和'shop'将计入“Work”列中。

我当前的代码（不起作用）：

grouped_locn <- data %>%
  dplyr::arrange(Owner, Day) %>%
  dplyr::group_by(Owner, Day) %>%
  dplyr::summarize(Home = which(data$Locn %in% c('house', 'apartment')), 
               Work = which(data$Locn %in% c("store", "office", "apartment")))

我只是将我目前的尝试包括在总结步骤中，以显示我是如何接近它的。 Home和Work代码当前返回包含该组元素的行号的向量（即Home = 1 3 5）

我的预期输出：

   Owner Day   Home  Work
1    bob Mon      1     0
2    bob Tue      0     1
3  julia Mon      1     0
4  julia Tue      0     1
5 cheryl Mon      1     0
6 cheryl Tue      0     1

在实际数据集（30k +行）中，每个所有者每天有多个Locn值，因此Home和Work计数可以是1和0以外的数字（因此没有布尔值）。

非常感谢。

Answer 1

使用data.table

，这是一个简单有效的解决方案

旧版本（v <1.9.5）

library(data.table) # v < 1.9.5
setDT(data)[, Locn2 := c("Work", "Home")[(Locn %in% c('house', 'apartment')) + 1L]]
dcast.data.table(data, Owner + Day ~ Locn2, length)
#     Owner Day Home Work
# 1:    bob Mon    1    0
# 2:    bob Tue    0    1
# 3: cheryl Mon    1    0
# 4: cheryl Tue    0    1
# 5:  julia Mon    1    0
# 6:  julia Tue    0    1

对于较新版本（v＆gt; = 1.9.5），您可以在一行中执行此操作

dcast(setDT(data), Owner + Day ~ c("Work", "Home")[(Locn %in% c('house', 'apartment')) + 1L], length)

这是tidyr替代

library(dplyr)
library(tidyr)
data %>%
  mutate(temp = 1L, 
         Locn = ifelse(Locn %in% c('house', 'apartment'), "Home", "Work")) %>% 
  spread(Locn, temp, fill = 0L)

#    Owner Day Home Work
# 1    bob Mon    1    0
# 2    bob Tue    0    1
# 3 cheryl Mon    1    0
# 4 cheryl Tue    0    1
# 5  julia Mon    1    0
# 6  julia Tue    0    1

Answer 2

试试这个

data %>%
  group_by(Owner, Day) %>%
  summarise(Home = sum(Locn %in% c("house", "apartment")), 
            Work = sum(Locn %in% c("store", "office", "shop")))

Answer 3

您可以使用model.matrix

中的base R

data[c('Work', 'Home')] <- model.matrix(~0+indx, transform(data, 
       indx =  Locn %in% c('house', 'apartment')))

   data
 #   Owner Day      Locn Work Home
 #1    bob Mon     house    0    1
 #2  julia Tue     store    1    0
 #3 cheryl Mon apartment    0    1
 #4    bob Tue    office    1    0
 #5  julia Mon     house    0    1
 #6 cheryl Tue      shop    1    0

或

 library(qdapTools)
 data[c('Work', 'Home')] <- mtabulate(data$Locn %in% c('house', 'apartment'))

Answer 4

这就像@lukeA提出的解决方案，但使用grepl函数：

library(dplyr)

data %<>% arrange(Owner, Day) %>% group_by(Owner, Day) %>%
  summarise(Home=sum((grepl("house|apartment", Locn))*1), 
            Work=sum((grepl("store|office|shop", Locn))*1))

使用Tidyr / Dplyr汇总字符串组的计数

4 个答案: