在R中聚合

Question

我有一个包含两列的数据框.我想在数据集中添加另外两列,其中包含基于聚合的计数.

df <- structure(list(ID = c(1045937900, 1045937900), 
SMS.Type = c("DF1", "WCB14"), 
SMS.Date = c("12/02/2015 19:51", "13/02/2015 08:38"), 
Reply.Date = c("", "13/02/2015 09:52")
), row.names = 4286:4287, class = "data.frame")

我想简单地计算SMS.Type和Reply.Date的实例数,其中没有null.所以在下面的玩具示例中,我将为SMS.Type生成2,为Reply.Date生成1

然后我想将它作为总计数添加到数据框中(我知道它们将复制出原始数据集中的行数但是没关系)

我一直在玩聚合和计数功能,但无济于事

mytempdf <-aggregate(cbind(testtrain$SMS.Type,testtrain$Response.option)~testtrain$ID,
                  train, 
                  function(x) length(unique(which(!is.na(x)))))

mytempdf <- aggregate(testtrain$Reply.Date~testtrain$ID,
                  testtrain, 
                  function(x) length(which(!is.na(x))))

有人可以帮忙吗？

感谢您的时间

Answer 1

使用data.table你可以做(​​我已经NA为你的原始数据添加了一个真实的).我也不确定你是否真的在寻找length(unique())或只是length？

library(data.table)
cols <- c("SMS.Type", "Reply.Date")
setDT(df)[, paste0(cols, ".count") := 
                  lapply(.SD, function(x) length(unique(na.omit(x)))), 
                  .SDcols = cols, 
            by = ID]
#            ID SMS.Type         SMS.Date       Reply.Date SMS.Type.count Reply.Date.count
# 1: 1045937900      DF1 12/02/2015 19:51               NA              2                1
# 2: 1045937900    WCB14 13/02/2015 08:38 13/02/2015 09:52              2                1

在devel版本(v> = 1.9.5)中你也可以使用uniqueN函数

说明

这是一个通用的解决方案,可以在任意数量的所需列上工作.您需要做的就是将列名称放入cols.

1. lapply(.SD, 正在调用指定的列上的某个函数 .SDcols = cols
2. paste0(cols, ".count")添加count到指定的列名称时创建新列名称cols
3. :=通过引用执行赋值,意味着使用就地输出更新新创建的列lapply(.SD,
4. by 参数是指定聚合器列