Question

我希望有人知道dplyr中的简单/高效，我可以在其中定义一个指示符变量，如果在日期X上，则取值为1，IP地址存在> 50次。数据是两列，一个是IP地址，另一个是相关的访问日期。

例如，我想在Robot列中输出以下内容（假设日期/ IP组合是＆gt; = 3）。

IP Date Robot
1   A   1
1   A   1
1   A   1
1   B   0
2   B   0
2   C   1
2   C   1
2   C   1
3   C   0
3   D   0
4   A   0

谢谢！

Answer 1

您可以group_by这两个变量并使用n()来测试当天有多少个地址。

group_by(df,date,ip) %>% 
  mutate(keep=as.numeric(n() > 50))

Answer 2

为data.table：

提高效率

library(data.table)

DT <- fread("IP Date
            1   A   
            1   A   
            1   A   
            1   B   
            2   B   
            2   C   
            2   C   
            2   C   
            3   C   
            3   D   
            4   A")

DT[, Robot := ifelse(.N >= 3, 1, 0), keyby = .(IP, Date)]

当然，当您希望50为阈值时，您需要将条件更改为.N >= 50。

Answer 3

我们可以使用data.table。转换＆＃39; data.frame＆＃39;到＆＃39; data.table＆＃39; （setDT(df1)），按＆＃34; IP＆＃34;和＆＃34;日期＆＃34;分组，我们创建＆＃34;机器人＆＃34;通过将逻辑（.N>=3）转换为二进制表示。这可以通过使用+到逻辑向量或使用函数as.integer来完成。

library(data.table)
setDT(df1)[, Robot:= +(.N>=3), .(IP, Date)]

+可以替换为as.integer

或使用base R，我们可以使用ave

transform(df1, Robot=as.integer(ave(IP, IP, Date, FUN=length)>=3))

在dplyr中通过多个聚合条件进行子集

3 个答案: