计算每组的行数并将结果添加到原始数据框

Posted 2023-02-16

【中文标题】计算每组的行数并将结果添加到原始数据框

【英文标题】：Count number of rows per group and add result to original data frame

【发布时间】：2011-11-19 00:27:48

【问题描述】：

假设我有一个data.frame 对象：

df <- data.frame(name=c('black','black','black','red','red'),
                 type=c('chair','chair','sofa','sofa','plate'),
                 num=c(4,5,12,4,3))

现在我想计算name 和type 的每个组合的行数（观察值）。可以这样做：

table(df[ , c("name","type")])

或者也可以使用plyr，（虽然我不确定如何）。

但是，如何将结果合并到原始数据框中？所以结果会是这样的：

df
#    name  type num count
# 1 black chair   4     2
# 2 black chair   5     2
# 3 black  sofa  12     1
# 4   red  sofa   4     1
# 5   red plate   3     1

count 现在存储聚合结果。

plyr 的解决方案也可能很有趣，但我想看看如何使用基础 R 来完成。

【参考方案1】：

基础 R 中的一个简单行：

df$count = table(interaction(df[, (c("name", "type"))]))[interaction(df[, (c("name", "type"))])]

为了清晰/高效，两行相同：

fact = interaction(df[, (c("name", "type"))])
df$count = table(fact)[fact]

【参考方案2】：

使用data.table：

library(data.table)
dt = as.data.table(df)

# or coerce to data.table by reference:
# setDT(df)

dt[ , count := .N, by = .(name, type)]

对于data.table 1.8.2 之前的替代方案，请参阅编辑历史记录。

---

使用dplyr：

library(dplyr)
df %>%
  group_by(name, type) %>%
  mutate(count = n())

或者简单地说：

add_count(df, name, type)

---

使用plyr：

plyr::ddply(df, .(name, type), transform, count = length(num))

【讨论】：

你需要“setkeyv(dt, c('name', 'type'))”吗？

【参考方案3】：

使用sqldf包：

library(sqldf)

sqldf("select a.*, b.cnt
       from df a,
           (select name, type, count(1) as cnt
            from df
            group by name, type) b
      where a.name = b.name and
            a.type = b.type")

#    name  type num cnt
# 1 black chair   4   2
# 2 black chair   5   2
# 3 black  sofa  12   1
# 4   red  sofa   4   1
# 5   red plate   3   1

【参考方案4】：

这应该做你的工作：

df_agg <- aggregate(num~name+type,df,FUN=NROW)
names(df_agg)[3] <- "count"
df <- merge(df,df_agg,by=c('name','type'),all.x=TRUE)

【参考方案5】：

您距离将行数合并到基础数据集中仅一步之遥。

使用broom 包中的tidy() 函数，将频率表转换为数据框并与df 进行内连接：

df <- data.frame(name=c('black','black','black','red','red'),
                         type=c('chair','chair','sofa','sofa','plate'),
                         num=c(4,5,12,4,3))
library(broom)
df <- merge(df, tidy(table(df[ , c("name","type")])), by=c("name","type"))
df
   name  type num Freq
1 black chair   4    2
2 black chair   5    2
3 black  sofa  12    1
4   red plate   3    1
5   red  sofa   4    1

【参考方案6】：

两行替代方法是生成一个 0 的变量，然后用 split<-、split 和 lengths 填充它，如下所示：

# generate vector of 0s
df$count <-0L

# fill it in
split(df$count, df[c("name", "type")]) <- lengths(split(df$num, df[c("name", "type")]))

这将返回所需的结果

df
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red  sofa   4     1
5   red plate   3     1

本质上，RHS 计算每个名称类型组合的长度，返回一个长度为 6 的命名向量，其中“red.chair”和“black.plate”为 0。这通过split <- 被馈送到 LHS，它接受向量并在给定的位置适当地添加值。这基本上就是ave 所做的，正如您所见，ave 的倒数第二行是

split(x, g) <- lapply(split(x, g), FUN)

不过，lengths 是sapply(list, length) 的优化版本。

【参考方案7】：

基本的R 函数aggregate 将使用单行获得计数，但将这些计数添加回原始data.frame 似乎需要一些处理。

df <- data.frame(name=c('black','black','black','red','red'),
                 type=c('chair','chair','sofa','sofa','plate'),
                 num=c(4,5,12,4,3))
df
#    name  type num
# 1 black chair   4
# 2 black chair   5
# 3 black  sofa  12
# 4   red  sofa   4
# 5   red plate   3

rows.per.group  <- aggregate(rep(1, length(paste0(df$name, df$type))),
                             by=list(df$name, df$type), sum)
rows.per.group
#   Group.1 Group.2 x
# 1   black   chair 2
# 2     red   plate 1
# 3   black    sofa 1
# 4     red    sofa 1

my.summary <- do.call(data.frame, rows.per.group)
colnames(my.summary) <- c(colnames(df)[1:2], 'rows.per.group')
my.data <- merge(df, my.summary, by = c(colnames(df)[1:2]))
my.data
#    name  type num rows.per.group
# 1 black chair   4              2
# 2 black chair   5              2
# 3 black  sofa  12              1
# 4   red plate   3              1
# 5   red  sofa   4              1

【参考方案8】：

另一种概括更多的方式：

df$count <- unsplit(lapply(split(df, df[c("name","type")]), nrow), df[c("name","type")])

【讨论】：

请解释一下这如何概括更多？

【参考方案9】：

你可以这样做：

> ddply(df,.(name,type),transform,count = NROW(piece))
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red plate   3     1
5   red  sofa   4     1

或许更直观，

> ddply(df,.(name,type),transform,count = length(num))
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red plate   3     1
5   red  sofa   4     1

【参考方案10】：

你可以使用ave:

df$count <- ave(df$num, df[,c("name","type")], FUN=length)

【讨论】：

也可以使用transform(df, count = ave(num, name, type, FUN = length)) 或with 来做的更简洁

如果你有大量数据，这个命令是SUPERSLOW