Question

我正在尝试计算一个月内每个id的非常大的数据集的概率，我在论坛中使用“mutate函数”来到这里，但它并没有真正按照我想要的方式工作。我的数据与此类似，我想计算P列：

ID Month Day       E  P
1 200701 20070101 .3 .333
1 200701 20070102 .5 .333
1 200701 20070105 .5 .333
1 200702 20070106 .6 1
2 200701 20070101 .4 .5
2 200701 20070103 .3 .5

对于我的试验，我已经对ID和月进行了子集化，然后只使用1 /长度（df $ Month）。我现在的想法是提取所有ID：

u <- subset(df, !duplicated(df$ID))
s <- subset(df, !duplicated(df$Month)) #Month is defined as date variable

然后用类似的公式改变它们：

mutate(df, p =  1/length(df$ID == u & df$month ==s))

这不幸地不起作用。

或者我必须做一个循环？

Answer 1

使用data.table

library(data.table)
setDT(dt)[, P := (1/.N) ,by = c("ID","Month")]
# > dt
#   ID  Month      Day   E         P
#1:  1 200701 20070101 0.3 0.3333333
#2:  1 200701 20070102 0.5 0.3333333
#3:  1 200701 20070105 0.5 0.3333333
#4:  1 200702 20070106 0.6 1.0000000
#5:  2 200701 20070101 0.4 0.5000000
#6:  2 200701 20070103 0.3 0.5000000

使用dplyr：@Sotos也写了这个答案。他先写了

library(dplyr)
dt %>% 
  group_by(ID,Month) %>% 
  mutate(1/n())

#     ID  Month      Day     E     1/n()
#  (int)  (int)    (int) (dbl)     (dbl)
#1     1 200701 20070101   0.3 0.3333333
#2     1 200701 20070102   0.5 0.3333333
#3     1 200701 20070105   0.5 0.3333333
#4     1 200702 20070106   0.6 1.0000000
#5     2 200701 20070101   0.4 0.5000000
#6     2 200701 20070103   0.3 0.5000000

mutate r以data.frame为过滤条件

1 个答案: