使用dplyr计数和分组

Posted 2021-04-14

我的目标只是计算每天每小时的记录数。我认为可以使用dplyr或data.table包找到一个简单的解决方案：

我的数据集非常简单：

> head(test)
        id       date hour
1 14869663 2018-01-24   17
2 14869664 2018-01-24   17
3 14869665 2018-01-24   17
4 14869666 2018-01-24   17
5 14869667 2018-01-24   17
6 14869668 2018-01-24   17

我只需要按两个变量（日期和小时）和计数进行分组。 id并不重要。但是，dplyr中的这两种方法似乎没有产生预期的结果（输入数据长度相同的数据帧，包括数百万条记录，是输出）。我在这做错了什么？

test %>% group_by(date, hour) %>% mutate(count = n())
test %>% add_count(date, hour)

输出看起来像这样

> head(output)
n_records       date hour
1 700      2018-01-24   0
2 750      2018-01-24   1
3 730      2018-01-24   2
4 700      2018-01-24   3
5 721      2018-01-24   4
6 753      2018-01-24   5

等等

有什么建议？

答案

这似乎可以解决问题：

library(dplyr)
starwars %>% 
    group_by(gender, species) %>%
    count

看来（对于Frank来说），count函数可以直接获取分组字段：

starwars %>% count(gender, species)

另一答案

使用data.table，

test[, .N, by=.(date, hour)]

另一答案

基础

aggregate(name ~ gender + species, data = starwars, length)

如果我们想将NAs视为一个群体：

species1 <- factor(starwars$species, exclude = "")
gender1 <- factor(starwars$gender, exclude = "")
aggregate(name ~ gender1 + species1, data = starwars, length)