计算每个组中的行数

Question

我有一个数据帧,我想计算每组内的行数.我通常使用该aggregate函数对数据求和如下:

df2 <- aggregate(x ~ Year + Month, data = df1, sum)

现在,我想计算观察结果,但似乎无法找到适当的论据FUN.直觉上,我认为它会如下:

df2 <- aggregate(x ~ Year + Month, data = df1, count)

但是,没有这样的运气.

有任何想法吗？

---

一些玩具数据:

set.seed(2)
df1 <- data.frame(x = 1:20,
                  Year = sample(2012:2014, 20, replace = TRUE),
                  Month = sample(month.abb[1:3], 20, replace = TRUE))

Answer 1

按照@Joshua的建议,这里有一种方法可以计算df数据框中Year= 2007和Month= 11月(假设它们是列)的观察数量:

nrow(df[,df$YEAR == 2007 & df$Month == "Nov"])

和aggregate@GregSnow一起:

aggregate(x ~ Year + Month, data = df, FUN = length)

Answer 2

还有__CODE__(plyr包)

Answer 3

我们也可以使用dplyr.

首先,一些数据:

df <- data.frame(x = rep(1:6, rep(c(1, 2, 3), 2)), year = 1993:2004, month = c(1, 1:11))

伯爵:

library(dplyr)
count(df, year, month)
#piping
df %>% count(year, month)

我们还可以使用稍长版本的管道和count功能:

df %>% 
  group_by(year, month) %>%
  summarise(number = n())

或tally功能:

df %>% 
  group_by(year, month) %>%
  tally()

Answer 4

一个没有data.table解决方案的老问题.所以这里......

运用 .N

library(data.table)
DT <- data.table(df)
DT[, .N, by = list(year, month)]

Answer 5

使用的简单选项aggregate是length函数,它将为您提供子集中向量的长度.有时使用会更加健壮function(x) sum( !is.na(x) ).

Answer 6

aggregate()在这种情况下,函数的替代方案是table()with as.data.frame(),这也将指示Year和Month的哪些组合与零次出现相关联

df<-data.frame(x=rep(1:6,rep(c(1,2,3),2)),year=1993:2004,month=c(1,1:11))

myAns<-as.data.frame(table(df[,c("year","month")]))

并且没有零发生的组合

myAns[which(myAns$Freq>0),]

Answer 7

Count为每行创建一个值为1 的新变量:

df1["Count"] <-1

然后汇总数据帧,按Count列汇总:

df2 <- aggregate(df1[c("Count")], by=list(Year=df1$Year, Month=df1$Month), FUN=sum, na.rm=TRUE)

Answer 8

如果要在数据中包括月份数的零计数，可以使用一些table魔术。

data.frame(with(df1, table(Year, Month)))

例如，问题df1中的toy data.frame不包含2014年1月的观测值。

df1
    x Year Month
1   1 2012   Feb
2   2 2014   Feb
3   3 2013   Mar
4   4 2012   Jan
5   5 2014   Feb
6   6 2014   Feb
7   7 2012   Jan
8   8 2014   Feb
9   9 2013   Mar
10 10 2013   Jan
11 11 2013   Jan
12 12 2012   Jan
13 13 2014   Mar
14 14 2012   Mar
15 15 2013   Feb
16 16 2014   Feb
17 17 2014   Mar
18 18 2012   Jan
19 19 2013   Mar
20 20 2012   Jan

基本R aggregate函数不会返回2014年1月的观测值。

aggregate(x ~ Year + Month, data = df1, FUN = length)
  Year Month x
1 2012   Feb 1
2 2013   Feb 1
3 2014   Feb 5
4 2012   Jan 5
5 2013   Jan 2
6 2012   Mar 1
7 2013   Mar 3
8 2014   Mar 2

如果您希望用0作为计数来观察这个月年，那么上面的代码将返回一个data.frame，其中包含所有月年组合的计数：

data.frame(with(df1, table(Year, Month)))
  Year Month Freq
1 2012   Feb    1
2 2013   Feb    1
3 2014   Feb    5
4 2012   Jan    5
5 2013   Jan    2
6 2014   Jan    0
7 2012   Mar    1
8 2013   Mar    3
9 2014   Mar    2

Answer 9

对于我的聚合，我通常最终想要看到平均值和“这个组有多大”（又名长度）。所以这是我在这些场合的方便片段；

agg.mean <- aggregate(columnToMean ~ columnToAggregateOn1*columnToAggregateOn2, yourDataFrame, FUN="mean")
agg.count <- aggregate(columnToMean ~ columnToAggregateOn1*columnToAggregateOn2, yourDataFrame, FUN="length")
aggcount <- agg.count$columnToMean
agg <- cbind(aggcount, agg.mean)

Answer 10

使用包的sql解决sqldf方案：

library(sqldf)
sqldf("SELECT Year, Month, COUNT(*) as Freq
       FROM df1
       GROUP BY Year, Month")

Answer 11

使用collapse包中R

library(collapse)
library(magrittr)
df %>% 
    fgroup_by(year, month) %>%
    fsummarise(number = fNobs(x))