dplyr使用group_by和rowwise do对累积集计数进行分组

时间:2016-10-05 20:21:17

标签: r dplyr

我将数据与组内的排序进行分组,其中每行包含值列表,并且在每个组中,我希望生成每行向每个组中的列表的并集贡献的新列表值的计数。

以下是一个例子:

require(dplyr)
content <- list(c("A", "B"), c("A", "B", "C"), c("D", "E"), c("A", "B"), c("A", "B"), c("A", "B", "C"))
id <- c("a", "a", "a", "b", "b", "b")
order <- c(5, 7, 3, 1, 9, 4)
testdf <- data.frame(id, order, cbind(content))
testdf
#   id order content
# 1  a     5    A, B
# 2  a     7 A, B, C
# 3  a     3    D, E
# 4  b     1    A, B
# 5  b     9    A, B
# 6  b     4 A, B, C

我想要的输出(按每个组内下降顺序排序后)将如下:

#   id order content cc
# 1  a     7 A, B, C 3
# 2  a     5    A, B 3
# 3  a     3    D, E 5
# 4  b     9    A, B 2
# 5  b     4 A, B, C 3
# 6  b     1    A, B 3

cn(累积新值)确实优于cc(累积计数),但上面的映射到我的下面尝试,cn随后很容易计算。这是我尝试的解决方案无效:

res <- testdf %>% 
  arrange(id, desc(order)) %>% 
  mutate(n=row_number()) %>%
  group_by(id) %>%
  mutate(n1=first(n)) %>%
  rowwise() %>%
  bind_cols(do(.,data.frame(vars=length(unique(unlist(testdf$content[.$n1:.$n])))))) %>%
  data.frame

我实际上从这里获得了大部分解决方案:Cumulatively paste (concatenate) values grouped by another variable(感谢akrun)。生成的值似乎是正确的,但它们与源数据框中的正确行无关:

res
#   id order content n n1 vars
# 1  a     7 A, B, C 1  1    2
# 2  a     5    A, B 2  1    3
# 3  a     3    D, E 3  1    5
# 4  b     9    A, B 4  4    2
# 5  b     4 A, B, C 5  4    2
# 6  b     1    A, B 6  4    3

正如您所看到的(查看相当于上述cc的vars列)组'a'值2和3相反,对于组'b',第二个2和3值相反。

实际上我找出了上面的错误,testdf $内容(显然)没有与dplyr'd数据框相同。最初我有.$content而不是testdf$content,这产生了甚至更奇怪的输出。所以我尝试分两个阶段进行:

res <- testdf %>% 
    arrange(id, desc(order)) %>% 
    mutate(n=row_number()) %>%
    group_by(id) %>%
    mutate(n1=first(n))
res <- res %>% 
    rowwise() %>%
    bind_cols(do(.,data.frame(vars=length(unique(unlist(res$content[.$n1:.$n])))))) %>%
    data.frame

这就产生了我的期望:

#   id order content n n1 vars
# 1  a     7 A, B, C 1  1    3
# 2  a     5    A, B 2  1    3
# 3  a     3    D, E 3  1    5
# 4  b     9    A, B 4  4    2
# 5  b     4 A, B, C 5  4    3
# 6  b     1    A, B 6  4    3

所以现在我的问题是有更好的方法来引用do()中的整个dplyr修改数据框(以便正确排序content) - 我认为.只是当前行不是吗?能够这样做可以避免我必须在do()之前单独创建有序数据框。

非常感谢

1 个答案:

答案 0 :(得分:1)

您可以使用Reduce模式和accumulate模式创建累积不同的元素,然后使用lengths函数返回累积的不同计数,这样可以避免rowwise()操作:

library(dplyr)
testdf %>% 
          arrange(desc(order)) %>% 
          group_by(id) %>% 
          mutate(cc = lengths(Reduce(function(x, y) unique(c(x, y)), content, acc = T))) %>% 
          arrange(id)

#Source: local data frame [6 x 4]
#Groups: id [2]

#      id order   content    cc
#  <fctr> <dbl>    <list> <int>
#1      a     7 <chr [3]>     3
#2      a     5 <chr [2]>     3
#3      a     3 <chr [2]>     5
#4      b     9 <chr [2]>     2
#5      b     4 <chr [3]>     3
#6      b     1 <chr [2]>     3