首页 文章

根据组ID匹配值

提问于
浏览 次
5

假设我有以下数据框（实际的数据集代表非常大的数据集）

df<- structure(list(x = c(1, 1, 1, 2, 2, 3, 3, 3), y = structure(c(1L, 
6L, NA, 2L, 4L, 3L, 7L, 5L), .Label = c("all", "fall", "hello", 
"hi", "me", "non", "you"), class = "factor"), z = structure(c(5L, 
NA, 4L, 2L, 1L, 6L, 3L, 4L), .Label = c("fall", "hi", "me", "mom", 
"non", "you"), class = "factor")), .Names = c("x", "y", "z"), row.names = c(NA, 
-8L), class = "data.frame")

看起来像

>df
  x     y    z
1 1   all  non
2 1   non <NA>
3 1  <NA>  mom
4 2  fall   hi
5 2    hi fall
6 3 hello  you
7 3   you   me
8 3    me  mom

我要做的是计算每组 x （1,2或3）中匹配值的数量 . 例如，组号 1 具有一个匹配值 "non" （应忽略NA） . 所需的输出如下：

x    n
1 1    1
2 2    2
3 3    2

试图以这样做的方式思考，而不是 for-loop ，因为我有一个大型数据集，但无法找到我的方法 .

r match

3 回答

  • 5

    使用 dplyr ：

    library(dplyr)

df %>% group_by(x) %>%
       summarise(n = sum(y %in% na.omit(z)))
    回复于
  • 3

    只是为了夜间的乐趣，我尝试了一个基本的R解决方案当然是丑陋的地狱 .

    ind <- by(df, df$x, function(x) which(na.omit(x[["y"]]) %in% na.omit(df[["z"]])))
sm <- lapply(ind, length)
cbind(unique(df$x), sm)
sm
1 1 1 
2 2 2 
3 3 2

    另一个基础R方法，代码较少（我希望不那么丑陋）：

    ind <- by(df, df$x, function(x) sum(na.omit(x[["y"]]) %in% na.omit(x[["z"]])))
cbind(unique(df$x), ind)
    ind
1 1   1
2 2   2
3 3   2
    回复于
  • 4

    这是使用by()和match()的解决方案：

    do.call(rbind,by(df,df$x,function(g) c(x=g$x[1],n=sum(!is.na(match(g$y,g$z,inc=NA))))));
##   x n
## 1 1 1
## 2 2 2
## 3 3 2
    回复于

相关问题