基于 R 中的字段的运行计数
Posted
技术标签:
【中文标题】基于 R 中的字段的运行计数【英文标题】:Running count based on field in R 【发布时间】:2015-09-24 10:21:01 【问题描述】:我有一个这种格式的数据集
User
1
2
3
2
3
1
1
现在我想添加一个计数列来计算用户的出现次数。我想要以下格式的输出。
User Count
1 1
2 1
3 1
2 2
3 2
1 2
1 3
我的解决方案很少,但所有这些解决方案都有些慢。
Running count variable in R
我的 data.frame 现在有 100,000 行,很快它可能会增加到 100 万行。我需要一个也很快的解决方案。
【问题讨论】:
【参考方案1】:使用ave
和seq.int
相当容易:
> ave(User,User, FUN= seq.int)
[1] 1 1 1 2 2 2 3
这是一种常见的策略,通常在项目彼此相邻时使用。第二个参数是分组变量,在这种情况下,第一个参数实际上是一种虚拟参数,因为它唯一的贡献是一个长度,ave
不需要为确定的值具有相邻行在分组内。
【讨论】:
【参考方案2】:您可以使用我的“splitstackshape”包中的getanID
:
library(splitstackshape)
getanID(mydf, "User")
## User .id
## 1: 1 1
## 2: 2 1
## 3: 3 1
## 4: 2 2
## 5: 3 2
## 6: 1 2
## 7: 1 3
这本质上是一种使用“data.table”的方法,如下所示:
as.data.table(mydf)[, count := seq(.N), by = "User"][]
【讨论】:
【参考方案3】:一个使用dplyr
的选项
library(dplyr)
df1 %>%
group_by(User) %>%
mutate(Count=row_number())
# User Count
#1 1 1
#2 2 1
#3 3 1
#4 2 2
#5 3 2
#6 1 2
#7 1 3
使用sqldf
library(sqldf)
sqldf('select a.*,
count(*) as Count
from df1 a, df1 b
where a.User = b.User and b.rowid <= a.rowid
group by a.rowid')
# User Count
#1 1 1
#2 2 1
#3 3 1
#4 2 2
#5 3 2
#6 1 2
#7 1 3
【讨论】:
以上是关于基于 R 中的字段的运行计数的主要内容,如果未能解决你的问题,请参考以下文章