对R中的数据进行分组/计数/匹​​配

Question

我有一个大型数据集，其中包含几列不同的值。在下面看看：

X             Y         Z
20:00:00     AAA    ABC123*
20:00:00     BBB    ABC123*
21:00:00     AAA    AEC173
23:00:00     CCC    ABE124
20:00:00     DDD    ABC123*

以此类推...

列X包含时间，Y是三个字母的代码，而Z是字母数字的代码。 我希望R仅突出显示X和Z列值相同但Y值不同的情况。这种情况是前两列标有星号，最后一列。

Answer 1

您可以先对X和Z进行分组，然后对每个组的频率n()进行计数，然后用n()>1对其进行标记，并且它们之间的Y完全唯一。

 library(dplyr)
 df %>% group_by(X,Z) %>% 
        mutate(Flag = ifelse(n()>1 & length(unique(Y))==n(),1,0))

# A tibble: 5 x 4
# Groups:   X, Z [3]
  X        Y     Z       Flag
  <fct>    <fct> <fct>  <dbl>
1 20:00:00 AAA   ABC123     1
2 20:00:00 BBB   ABC123     1
3 21:00:00 AAA   AEC173     0
4 23:00:00 CCC   ABE124     0
5 20:00:00 DDD   ABC123     1

Answer 2

使用sqldf：首先按X和Z对数据进行分组，然后按如下所示选择X,Y和distinct(Y)：

library(sqldf)
sqldf("select X,Z,count(distinct Y)>1 as count from df group by X,Z")

Outout （如果count为1，表示X和Z列值相同，但Y值不同）：

     X          Z     count
  1 20:00:00  ABC123     1
  2 21:00:00  AEC173     0
  3 23:00:00  ABE124     0