我有一个非常大的数据框,我需要按品牌进行过滤,这些品牌的可用行数超过50,而列估值中的零值少于10。 我用dplyr
可复制的示例
library(dplyr)
library(magrittr)
df <- data.frame(brand=c("Advert","Advert","Bass","Bass","Bass"),
date=c("2019-07-15","2019-08-15","2018-01-01","2018-02-15","2015-01-10"),
valuation=c(0,1,0,1,1))
# What I have reached so far...
df %>% dplyr::add_count(brand) %>% group_by(brand) %>% add_count(valuation==0)
> df %>% dplyr::add_count(brand) %>% group_by(brand) %>% add_count(valuation==0)
# A tibble: 5 x 6
# Groups: brand [2]
brand date valuation n `valuation == 0` nn
<fct> <fct> <dbl> <int> <lgl> <int>
1 Advert 2019-07-15 0 2 TRUE 1
2 Advert 2019-08-15 1 2 FALSE 1
3 Bass 2018-01-01 0 3 TRUE 1
4 Bass 2018-02-15 1 3 FALSE 2
5 Bass 2015-01-10 1 3 FALSE 2
我将使用“ n”列来过滤具有超过50行的品牌,但请注意,“ nn”列中的预期结果应为:
1
1
1
1
1
实际上,我需要按品牌组计算零值的比例,但我只能按品牌计算零值
答案 0 :(得分:2)
请勿将add_count
用于第二个条件。您可以直接使用sum
。
df %>%
dplyr::add_count(brand) %>%
group_by(brand) %>%
mutate(nn = sum(valuation == 0))
答案 1 :(得分:1)
无需添加n
和nn
列进行过滤。您可以像下面这样直接filter
:
df %>%
group_by(brand) %>%
filter(n()>50,sum(valuation==0)<10)