R中唯一值的累积计数

Posted

技术标签:

【中文标题】R中唯一值的累积计数【英文标题】:Cumulative count of unique values in R 【发布时间】:2013-03-19 20:50:43 【问题描述】:

我的数据集的简化版本如下所示:

depth value
   1     a
   1     b
   2     a
   2     b
   2     b
   3     c

我想创建一个新数据集,其中对于“深度”的每个值,我将拥有从顶部开始的唯一值的累积数量。例如

depth cumsum
 1      2
 2      2
 3      3

关于如何做到这一点的任何想法?我对 R 比较陌生。

【问题讨论】:

【参考方案1】:

dplyr 尝试。

df %>%
  #group_by(group)%>% if you have a third variable and you want to achieve the same results for each group
  mutate(cum_unique_entries = cumsum(!duplicated(value))) %>%
  group_by(depth) %>% # add group variable for more layers
  summarise(cum_unique_entries = last(cum_unique_entries))

【讨论】:

这很好地解决了我的问题,感谢您的回答!【参考方案2】:

这是另一个尝试:

numvals <- cummax(as.numeric(factor(mydf$value)))
aggregate(numvals, list(depth=mydf$depth), max)

这给出了:

  depth x
1     1 2
2     2 2
3     3 3

它似乎也适用于@Arun 的示例:

  depth x
1     1 2
2     2 4
3     3 4
4     4 5
5     5 6
6     6 6

【讨论】:

我不完全确定,但似乎depthvalue 必须同时排序。例如,无论您如何setkey() this data.table: mydf = data.table(data.frame(depth=c(1,1,2,2,6,7), value=c("a", "b", "g", "h", "b", "c"))),此方法都不会计算c 的唯一出现次数。【参考方案3】:

这可以通过使用sqldf 包的单个SQL 语句以相对简洁的方式编写。假设DF是原始数据框:

library(sqldf)

sqldf("select b.depth, count(distinct a.value) as cumsum
    from DF a join DF b 
    on a.depth <= b.depth
    group by b.depth"
)

【讨论】:

假设depth 是数字,这非常有用。如果depth 是日期的字符串或字符串表示形式,就像我的情况一样,这可能是一个非常昂贵的操作。 在许多情况下,速度并不重要,清晰度才是更重要的问题。如果性能很重要,那么您真的必须对其进行测试而不是做出假设,如果发现速度太慢,请添加索引并再次测试。【参考方案4】:

我发现这是使用factor 并仔细设置levels 的完美案例。我将在这里使用data.table 来表达这个想法。确保您的 value 列是 character(不是绝对要求)。

第 1 步:只需使用 unique 行,即可将您的 data.frame 转换为 data.table

require(data.table)
dt <- as.data.table(unique(df))
setkey(dt, "depth") # just to be sure before factoring "value"

第 2 步:将 value 转换为 factor 并强制转换为 numeric。确保自己设置关卡(这很重要)。

dt[, id := as.numeric(factor(value, levels = unique(value)))]

第 3 步:将键列设置为 depth 以进行子集化,只需选择最后一个值

 setkey(dt, "depth", "id")
 dt.out <- dt[J(unique(depth)), mult="last"][, value := NULL]

#    depth id
# 1:     1  2
# 2:     2  2
# 3:     3  3

第 4 步:由于深度增加的行中的所有值都应至少具有上一行的值,因此您应该使用cummax 来获得最终输出。

dt.out[, id := cummax(id)]

编辑:以上代码仅用于说明目的。实际上,您根本不需要第三列。这就是我编写最终代码的方式。

require(data.table)
dt <- as.data.table(unique(df))
setkey(dt, "depth")
dt[, value := as.numeric(factor(value, levels = unique(value)))]
setkey(dt, "depth", "value")
dt.out <- dt[J(unique(depth)), mult="last"]
dt.out[, value := cummax(value)]

这是一个更棘手的例子和代码的输出:

df <- structure(list(depth = c(1, 1, 2, 2, 3, 3, 3, 4, 5, 5, 6), 
                value = structure(c(1L, 2L, 3L, 4L, 1L, 3L, 4L, 5L, 6L, 1L, 1L), 
                .Label = c("a", "b", "c", "d", "f", "g"), class = "factor")), 
                .Names = c("depth", "value"), row.names = c(NA, -11L), 
                class = "data.frame")
#    depth value
# 1:     1     2
# 2:     2     4
# 3:     3     4
# 4:     4     5
# 5:     5     6
# 6:     6     6

【讨论】:

这是dplyr 版本:df %&gt;% arrange(depth) %&gt;% mutate(value = cummax(as.numeric(factor(value, levels = unique(value))))) %&gt;% arrange(depth, desc(value)) %&gt;% distinct(depth) 这种方法一般适用于depthvalue都是字符串值的情况。谢谢! @Arun 这是一个很棒的解决方案!谢谢! 如果我们有第三个变量叫 group 并且我们想为每个组实现相同的结果?【参考方案5】:

这是另一个使用lapply() 的解决方案。使用unique(df$depth) 创建唯一的depth 值向量,然后对于每个这样的值子集,只有depth 等于或小于特定depth 值的value 值。然后计算唯一value 值的长度。此长度值存储在cumsum 中,然后depth=x 将给出特定深度级别的值。使用do.call(rbind,...) 使其成为一个数据框。

do.call(rbind,lapply(unique(df$depth), 
               function(x)
             data.frame(depth=x,cumsum=length(unique(df$value[df$depth<=x])))))
  depth cumsum
1     1      2
2     2      2
3     3      3

【讨论】:

【参考方案6】:

一个好的第一步是创建一个TRUEFALSE 列,其中TRUE 用于每个值的第一个,FALSE 用于该值的后续出现。这可以使用duplicated 轻松完成:

mydata$first.appearance = !duplicated(mydata$value)

重塑数据最好使用aggregate。在这种情况下,它表示对 depth 的每个子集中的 first.appearance 列求和:

newdata = aggregate(first.appearance ~ depth, data=mydata, FUN=sum)

结果将如下所示:

  depth first.appearance
1     1  2
2     2  0
3     3  1

不过,这仍然不是一个累积和。为此,您可以使用 cumsum 函数(然后摆脱旧列):

newdata$cumsum = cumsum(newdata$first.appearance)
newdata$first.appearance = NULL

回顾一下:

mydata$first.appearance = !duplicated(mydata$value)
newdata = aggregate(first.appearance ~ depth, data=mydata, FUN=sum)
newdata$cumsum = cumsum(newdata$first.appearance)
newdata$first.appearance = NULL

输出:

  depth cumsum
1     1      2
2     2      2
3     3      3

【讨论】:

以上是关于R中唯一值的累积计数的主要内容,如果未能解决你的问题,请参考以下文章

在唯一列值的熊猫上应用计数器[重复]

获取bash中列中唯一值的计数

两个不同对象数组中唯一值的计数

按组将唯一/不同值的计数添加到原始数据

如何在字典列表中获取唯一值的计数?

如何获取仅分配给一个值而没有其他值的唯一 ID 的计数?