Question

我正在尝试根据玩家的出生状态来汇总某些列中的值。

在R中使用Lahman软件包，我有以下代码：

library(Lahman)
#filter data frames by year
#collegeInfo <- CollegePlaying %>% filter(yearID >= 1999) #to do later
battingInfo <- Batting %>% filter(yearID >= 1999)

total <- merge(battingInfo,People,by="playerID")
totalN <- total[,-c(24,25,28:47)]

filterByState <- totalN %>% group_by(birthState) %>% summarise(players = length(birthState)) 
filterByGame <- totalN %>% group_by(birthState) %>% summarise(gamesPlayed = length(G))

在以上两个方面，我试图查看多少场比赛（G）和多少每个州玩过的不同玩家的数量。但是，它们都返回相同的游戏值和玩家数量，即birthState'AB'具有11个游戏值和11个不应发生的值。这两个值都是错误的。出生州“ AB”的玩家打了11个赛季，但在这11个赛季中，只有4个来自不同的玩家ID。因此，出生状态“ AB”的玩家人数应为4，加上他们的比赛（G）应等于232G。（基于totalN的数据，这4位玩家和232 G是正确的）

newMerge <- merge(totalN, filterByState, by="birthState")
newTest <- newMerge %>% group_by(birthState) %>% summarise_at(vars(G, AB, R, H, X2B, X3B, HR, RBI, SB, CS, BB,
                                                                   SO, IBB, HBP, SH, SF, GIDP), sum, na.rm =  TRUE)

现在合并了所有内容，当您查看出生状态“ AB”时，现在已经玩了232场游戏，这是正确的，但是没有显示玩家人数。

如果可能的话，我想在函数newTest中查看每个状态的游戏和不同玩家的数量，并带有正确的数字（birthState'AB'应该有4个玩家，而来自newTest的更新数字用于所玩游戏是232。

例如，表格看起来像这样：

playerID  birthState     Hits Season GamesPlayed
player 1     NJ           17    2009      10
player 1     NJ           10    2010      20
player 2     NJ           20    2009      30
player 3     CA           45    2009      40
player 4     TX           87    2009      50
player 5     CA           50    2009      60
player 6  Outside USA     30    2009      70

我希望它看起来像这样（将每个州的所有点击次数相加）：

birthState      hits             Players    GamesPlayed
    NJ           47 (17+20+10)      2           60 (10+20+30)
    CA           95 (45+50)         2           100 (40+60)
    TX           87                 1           50
  Outside        30                 1           70

Answer 1

我们可以做group_by sum

library(dplyr)
out <- filterbyState1 %>% 
          group_by(birthState) %>%
          summarise(hits = sum(H))

对于多列sum，请使用summarise_at

filterbyState1 %>%
     group_by(birthState) %>%
     summarise_at(vars(H, players, AB, G), sum, na.rm =  TRUE)

根据另一列中的条件将值加在一起

1 个答案: