计算数据框中高于阈值的行数作为函数或其他列因子

Posted 2023-03-24

【中文标题】计算数据框中高于阈值的行数作为函数或其他列因子

【英文标题】：calculate number of rows in a dataframe above threshold as a function or other column factors

【发布时间】：2017-03-25 12:38:04

【问题描述】：

我想在值大于 11 的每一天找到每个主题的行数，并将其输出到数据框中进行分析。数据集很大（5000 行），因此需要一个函数。

subject = c(rep("A", 12), rep("B", 12))        
day = c(1,1,1,1,2,2,2,2,3,3,3,3,1,1,1,1,2,2,2,2,3,3,3,3)
value = c(13,14,15,5,12,9,6,14,4,2,1,2,13,14,15,5,12,9,6,14,2,2,2,3)
df = data.frame(subject, day, value)
df

   subject day value
1        A   1    13
2        A   1    14
3        A   1    15
4        A   1     5
5        A   2    12
6        A   2     9
7        A   2     6
8        A   2    14
9        A   3     4
10       A   3     2
11       A   3     1
12       A   3     2
13       B   1    13
14       B   1    14
15       B   1    15
16       B   1     5
17       B   2    12
18       B   2     9
19       B   2     6
20       B   2    14
21       B   3     2
22       B   3     2
23       B   3     2
24       B   3     3

我想要的输出是

subject.agg = c(rep("A", 3), rep("B", 3)) 
day.agg = as.factor(c(1,2,3,1,2,3))
highvalues = (c(3,2,0,3,2,0))
df.agg = data.frame(subject.agg,day.agg,highvalues)
df.agg

  subject.agg day.agg highvalues
1           A       1          3
2           A       2          2
3           A       3          0
4           B       1          3
5           B       2          2
6           B       3          0

非常感谢任何帮助。

【问题讨论】：

非常感谢两位。 DT 解决方案非常适合我。

【参考方案1】：

一个选项是aggregate 来自base R

aggregate(cbind(highvalues=value>11)~., df,  sum)

---

或者data.table

library(data.table)
setDT(df)[value>11, .(highvalues=.N), by = .(subject, day)]
#     subject day highvalues
#1:       A   1          3
#2:       A   2          2
#3:       A   3          3
#4:       B   1          3
#5:       B   2          2
#6:       B   3          3

【讨论】：

这太好了，非常感谢。无论如何，我是否可以在输出主题日中包含没有高于 11 的值。即，对于主题 A 有第四天没有高于 11 的值，它会显示为 A 4 0？谢谢！！

@MLyall 您能否更新您的帖子，了解您对所需输出的期望

@MLyall 您可以使用join 使用“主题”、“日期”的所有独特组合，也可以使用if/else

谢谢，我已将问题更新为更具体

@MLyall 也许setDT(df)[value>11, .(highvalues=.N), by = .(subject, day)][CJ(subject = df$subject, day = df$day, unique=TRUE), on = c('subject', 'day')][is.na(highvalues), highvalues := 0][]

【参考方案2】：

你可以走tidyverse的方式：

df %>%
  filter(value > 11) %>%
  group_by(subject,day) %>%
  mutate(highvalue = n()) %>%
  select(subject, day, highvalue) %>%
  unique()

【参考方案3】：

library(data.table)
dt = setDT(df)
dt[, sum(value>11),by = .(subject,day)]
   subject day V1
1:       A   1  3
2:       A   2  2
3:       A   3  3
4:       B   1  3
5:       B   2  2
6:       B   3  3