使用 dplyr 计算左连接的结果

Question

使用 dplyr 计算左外连接结果的正确方法是什么？

考虑两个数据框：

a <- data.frame( id=c( 1, 2, 3, 4 ) )
b <- data.frame( id=c( 1, 1, 3, 3, 3, 4 ), ref_id=c( 'a', 'b', 'c', 'd', 'e', 'f' ) )

a指定四个不同的 ID。b指定引用 中的 ID 的 6 个记录a。如果我想查看每个 ID 被引用的次数，我可以尝试以下操作：

a %>% left_join( b, by='id' ) %>% group_by( id ) %>% summarise( refs=n() )
Source: local data frame [4 x 2]

     id  refs
  (dbl) (int)
1     1     2
2     2     1
3     3     3
4     4     1

然而，结果具有误导性，因为它表明 ID2被引用过一次，而实际上它从未被引用过（在中间数据帧中，ref_id 对应NAID 2）。我想避免引入单独的库，例如sqldf.

Answer 1

使用 data.table，你可以做

library(data.table)
setDT(a); setDT(b)

b[a, .N, on="id", by=.EACHI]


   id N
1:  1 2
2:  2 0
3:  3 3
4:  4 1

这里，语法是x[i, j, on, by=.EACHI].

• .EACHI指的是 的每一行i=a。
• j=.N使用特殊变量来表示行数。