Question

我有一个以下格式的数据框。我正在制作样本数据，但我有数千种类似格式的记录：

  ORIGIN    DEST  CARRIER_DELAY WEATHER_DELAY   NAS_DELAY

   JFK       MCO      1                0           47
   JFK       LAX                                         
   JFK       MCO      1                2           30
   LOG       DFW      12               20          3
   LOG       DFW

我需要按原点和目的地进行分组，并使用dplyr函数计算每个延迟的发生次数（计数）。延迟列中的值以分钟为单位。我需要考虑大于0的值，并将这些值的计数增加1。某些行存在空值，我也需要忽略它们。

输出应如下所示：

   ORIGIN    DEST  CARR_DELAY_COUNT WEATHER_DELAY_COUNT  NAS_DELAY_COUNT 

   JFK       MCO      2                1                   2
   LOG       DFW      1                1                   1

我正在使用dplyr函数：

   flight.df %>%
   group_by(ORIGIN,DEST) %>%
   summarize(carr_delay=sum(CARRIER_DELAY,na.rm=TRUE),
   weather_delay=sum(WEATHER_DELAY,na.rm=TRUE),
   nas_delay=sum(NAS_DELAY,na.rm=TRUE) %>%
   group_by()   %>%
   {.} -> delays.df

上述函数将生成特定源和目标的每类延迟分组的延迟值总和。

这里我如何插入另一个函数，使每个延迟的计数与总和相比？

Answer 1

您可以在summarize_each使用group_by包后使用dplyr。您必须重命名列。

library(dplyr)
df %>% group_by(ORIGIN, DEST) %>% summarize_each(funs(Count = sum(.>0, na.rm=T)))

Source: local data frame [3 x 5]
Groups: ORIGIN [?]

  ORIGIN   DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
  (fctr) (fctr)         (int)         (int)     (int)
1    JFK    LAX             0             0         0
2    JFK    MCO             2             1         2
3    LOG    DFW             1             1         1

Answer 2

我们可以使用data.table

library(data.table)
setDT(df)[, lapply(.SD, function(x) sum(x > 0, na.rm=TRUE)) , .(ORIGIN, DEST)]
#   ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
#1:    JFK  MCO             2             1         2
#2:    JFK  LAX             0             0         0
#3:    LOG  DFW             1             1         1

注意：这种简单的方法也提供了正确的输出。

Answer 3

使用基本R函数aggregate来计算它也很简单。

aggregate(cbind("CARRIER_DELAY"=CARRIER_DELAY,
                "WEATHER_DELAY"=WEATHER_DELAY,
                "NAS_DELAY"=NAS_DELAY) ~ ORIGIN + DEST,
          data=df, FUN=function(x) sum(x > 0, na.rm=TRUE))

返回

  ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
1    LOG  DFW             1             1         1
2    JFK  MCO             2             1         2

我使用cbind将汇总变量分组在一起，并为输出命名。

如何使用R在group_by值中获取数据框中多个属性的计数

3 个答案: