R group_by并使用mutate在条件下对数据框列中的不同值进行计数

如何解决R group_by并使用mutate在条件下对数据框列中的不同值进行计数

R group_by并使用mutate根据条件对数据框列中的不同值进行计数

这与问题R group by | count distinct values grouping by another column相似，但略有不同，因为我想与条件一起变异。不仅可以计算每个组中的不同值，而且还可以包含在向量 c

中

id = c(  1,1,2,3,4,5,6,6 )
val = c(100,100,200,300,400,500,600,500)
df <- data.frame(id=id,val=val)
c= c(200,500)

我知道以下代码是错误的，但是它给出了我要执行的操作的想法。 因此，我想通过将 df 按ID分组来创建第四列，其中当在 c

中出现时，将给出不同值的计数

x <- df %>% group_by(id) %>% 
  mutate(distinctValues = n_distinct(val %in% c ))

如果我们认为 id = 6，则其中存在的离散值是200,300和500。但是 c 中不存在300。因此，计数为= 2。

所以输出列将是 c(0,2)

解决方法

由于c是唯一的，因此您可以用另一种方法来处理它-计算c中显示的val值的数量。

df %>% 
  group_by(id) %>% 
  mutate(distinctValues = sum(c %in% val))
# # A tibble: 14 x 3
# # Groups:   id [6]
#       id   val distinctValues
#    <dbl> <dbl>          <int>
#  1     1   100              0
#  2     1   100              0
#  3     2   200              1
#  4     2   300              1
#  5     3   400              0
#  6     4   500              1
#  7     4   500              1
#  8     5   500              1
#  9     5   600              1
# 10     5   600              1
# 11     6   200              2
# 12     6   200              2
# 13     6   300              2
# 14     6   500              2

如果看似更清晰，您也可以使用distinctValues = sum(unique(val) %in% c)-效率可能会稍低，但是除非数据量巨大，否则这并不重要。

,

使用n_distinct，我们需要将其应用于行的子集

library(dplyr)
df %>% 
    group_by(id) %>% 
    mutate(distinctValues = n_distinct(val[val %in% c]))

-输出

# A tibble: 14 x 3
# Groups:   id [6]
#      id   val distinctValues
#   <dbl> <dbl>          <int>
# 1     1   100              0
# 2     1   100              0
# 3     2   200              1
# 4     2   300              1
# 5     3   400              0
# 6     4   500              1
# 7     4   500              1
# 8     5   500              1
# 9     5   600              1
#10     5   600              1
#11     6   200              2
#12     6   200              2
#13     6   300              2
#14     6   500              2