Question

我有一个较大的df，如下图所示，在此每两年一次的事件中，我想知道（使用组成的df中的术语）知道哪个ID在最长的时间内具有相同的果实。即每隔一年才会有一次结果子的机会。

 df<-data.frame("id"=c(1, 1, 1, 2, 2, 2, 2, 3, 3, 3), 
  "Year"=c(1981, 1981, 1985, 2011, 2011, 2013, 2015, 1921, 1923, 1955), 
 "fruit"=c("banana", "apple", "banana", "orange", "melon", "orange", 
            "orange", "melon", "melon", "melon"))

我尝试了不同种类的group_by，请参见下面的cumsum。

df<-df %>% mutate(year_diff=cumsum(c(1, diff(df$Year)>1))) 
df %>% group_by(id, fruit) %>% filter(year_diff==2)

和下面的一个（重新加载df之后）

df %>% group_by(id, fruit) %>% mutate(year_diff=cumsum(c(1, diff(df$Year)>1)))

并玩弄：

df %>% group_by(id, fruit) %>% mutate(summarise(n_years=n_distinct(Year)))

最后，理想情况下，我希望像下面的小动作那样排列ID（及其水果），以便在事件中（随着时间的推移）谁拥有水果的最连续“保留”顺序。请记住，该活动仅每两年举行一次。

id     fruit    occurence 
2      orange    3
3      melon     2
1      banana    1
1      apple     1
2      melon     1 
3      melon     1

我了解有几个步骤。

编辑：也许有一种方法可以修改：

df %>% group_by(id, fruit) %>% summarise(n_years=n_distinct(Year)) %>% arrange(desc(n_years)) %>% ungroup()

，以便它在原始小标题中创建一个新列（我无法做到，但您可能会做到），然后可以过滤连续事件？

Answer 1

使用dplyr通过arrange，id和fruit Year行，并创建一个显示连续年份的新分组变量（group）每个id和fruit，然后计算每个组中的行数。

library(dplyr)

df %>%
  arrange(id, fruit, Year) %>%
  group_by(id, fruit, group = cumsum(c(2, diff(Year)) != 2)) %>%
  summarise(n = n()) %>%
  ungroup() %>%
  select(-group)


#    id fruit      n
#  <dbl> <fct>  <int>
#1     1 apple      1
#2     1 banana     1
#3     1 banana     1
#4     2 melon      1
#5     2 orange     3
#6     3 melon      2
#7     3 melon      1

使用group_by计数值差异

1 个答案: