Question

我有一个数据集，看起来大致如下所示。

 const char *srcData = "Hi ! This is a really really really long test string !";
  const int dstBufferSize = LZ4_compressBound(strlen(srcData) + 1);
  char *dstData = new char[dstBufferSize];
  int bytesPassed = LZ4_compress_default(srcData, dstData,  
                                       sizeof(srcData), 
                                       dstBufferSize);
  BOOST_LOG_TRIVIAL(info) << dstData << std::endl;

  std::ofstream fWriter("test.bin", std::ofstream::binary);
  fWriter << dstData;
  fWriter.close();

  char* decStr = new char[strlen(srcData) + 1];

  LZ4_decompress_fast(dstData, decStr, strlen(srcData) + 1);

  std::cout << decStr << std::endl; // only Hi appearing

  delete[] dstData;

除column3之外，所有列都有数值。
我试图弄清楚如何使用column1 column2 column3 column4 1 2 3 string 4 2 3 56 string 6 3 86 23 string 4中的特定值来计算column3中的值被提及的次数的方式。换句话说，在此示例中，column4的{{1}}值为2。

目前，我已经提出了以下代码：

string

但是它给了我所有值的总数，例如4

我尝试过这个解决方案：Counting the number of elements with the values of x in a vector，但它并没有给我太多帮助，因为它给了我一个错误：

data$new_column = ifelse(data$column3=="string" && data$column4==4, "", "")
table(data$new_column)

据我了解，此解决方案不适用于大型数据集实现这一解决方案的最佳方式是什么？

提前感谢您的想法！

Answer 1

请改为尝试：

 data$new_column = ifelse(data$column3=="string" & data$column4==4, T, F)

 > table(data$new_column)
    FALSE  TRUE 
        1     2

在这里，您可以计算该陈述的真实频率。请注意，在以前的版本中，在两种情况下都有空字符串，当它为true和false时。因此，您希望输出与数据帧的长度相同。

话虽如此，快速而肮脏的黑客可能是：

 data$new_id <- paste0(data$column3, data$column4)
 table(data$new_id)

如果您不仅对这两个特定值感兴趣，这将为您提供所有组合的计数。

更高级的解决方案可能如下：

 library(dplyr)
 data %>% group_by(column4) %>% summarise(out = sum(column3=="string") )

为第4列中的所有不同值提供了第3列为“字符串”的频率。

Answer 2

df1<- data.frame(column3=c("string","string","string"),column4=c(4,6,4))
df2 <- as.data.frame(table(df1))
df2

给出结果：

  column3 column4 Freq
1  string       4    2
2  string       6    1

不要打扰

[ reached getOption("max.print") -- omitted x rows ]

因为这意味着您的结果太长而无法在屏幕上打印，但这并不意味着它没有计算出来。

如何计算与另一列中的特定值相关的一列中的值的数量

2 个答案: