如何按组向R data.frame添加唯一值的计数

Question

我希望通过对第二个变量进行分组来计算唯一值的数量,然后将计数添加到现有data.frame作为新列.例如,如果现有数据框如下所示:

  color  type
1 black chair
2 black chair
3 black  sofa
4 green  sofa
5 green  sofa
6   red  sofa
7   red plate
8  blue  sofa
9  blue plate
10 blue chair

我想为每个添加数据中存在color的唯一计数types:

  color  type unique_types
1 black chair            2
2 black chair            2
3 black  sofa            2
4 green  sofa            1
5 green  sofa            1
6   red  sofa            2
7   red plate            2
8  blue  sofa            3
9  blue plate            3
10 blue chair            3

我希望使用ave,但似乎无法找到一个不需要很多行的直接方法.我有> 100,000行,所以我也不确定效率有多重要.

它与此问题有些类似:计算每组观察/行数并将结果添加到数据框

Answer 1

使用ave(因为你具​​体要求):

within(df, { count <- ave(type, color, FUN=function(x) length(unique(x)))})

确保它type是字符向量而不是因子.

既然你也说你的数据量巨大,速度/性能可能是一个因素,我也建议你提出一个data.table解决方案.

require(data.table)
setDT(df)[, count := uniqueN(type), by = color] # v1.9.6+
# if you don't want df to be modified by reference
ans = as.data.table(df)[, count := uniqueN(type), by = color]

uniqueN是实现的v1.9.6,是一个更快的等价物length(unique(.)).此外,它还适用于data.frames/data.tables.

其他方案:

使用plyr:

require(plyr)
ddply(df, .(color), mutate, count = length(unique(type)))

使用aggregate:

agg <- aggregate(data=df, type ~ color, function(x) length(unique(x)))
merge(df, agg, by="color", all=TRUE)

Answer 2

这是dplyr包的解决方案- 它有n_distinct()一个包装器length(unique()).

df %>%
  group_by(color) %>%
  mutate(unique_types = n_distinct(type))

Answer 3

这也可以通过unique与table或组合而在没有通过组操作的矢量化中实现tabulate

如果df$color是factor,那么

或

table(unique(df)$color)[as.character(df$color)]
# black black black green green   red   red  blue  blue  blue 
#    2     2     2     1     1     2     2     3     3     3 

要么

tabulate(unique(df)$color)[as.integer(df$color)]
# [1] 2 2 2 1 1 2 2 3 3 3

如果df$color是character那么

table(unique(df)$color)[df$color]

如果df$color是integer那么只是

tabulate(unique(df)$color)[df$color]