Question

我有一个这样的数据框：

test1 = data.frame("id" = c("FC01", "FC01", "FC22", "FC03", "FC01"),
                    "product" = c("p01", "p02", "p03", "p01", "p03"),
                    "year" = c("2018", "2017", "2015", "2018", "2016"))

我需要找到在2016年至2018年之间购买的ID大于onc的ID，并知道他们购买了哪些产品以及哪一年。是否可以创建一个新的数据框来显示ID，以及ID出现多少次以及何时发生？像这样：

test2 = data.frame("times" = c(3, 1), "id" = c("FC01", "FC03"),
                   "year" = c("2018, 2017, 2016", "2018"))

我使用dplyr并尝试按ID分组并过滤出现的多个ID，但是我不知道如何继续获得类似test2的信息。我感谢这方面的任何提示。

Answer 1

test1$year <- as.numeric(as.character(test1$year))

test1 %>% filter(between(year,2016,2018))
      %>% group_by(id)
      %>% summarize(times = n(),
          year = toString(unique(year)))


  id    times year          
  <fct> <int> <chr>         
1 FC01      3 2018 2017 2016
2 FC03      1 2018

注意：

获取times列很容易，我们只使用实用程序功能dplyr::n()。
对于年份的（唯一）字符串名称的粘贴列表，使用与this answer相同的方法。 toString(...)比paste0(as.character(...), collapse=' ')更干净的代码
请注意，我们必须使用unique(year)，因为您可能在同一年有多个条目。
为了能够filter(between(year, 2016, 2018))，我们必须首先将year固定为数字，而不是一个因数（或者至少要确保该因数水平也为2015..2018，以便直接执行as.numeric()可以达到预期目的，而不是给出1..4

如何计算因子频率并在R

1 个答案: