Ich habe einen Datenrahmen, der so aussieht:bedingte var Zählung mit verschiedenen Klassen in R
class ID rank
a AA win
b AA win
b AB win
c BB win
d AB win
e BB win
e AA win
Wie kann ich effizient die meisten zählt, wie viel wins pro ID ich mit einem Zustand der Klasse niedriger als e (nicht inklusive)?
A dplyr Lösung:
library(dplyr)
df%>% group_by(ID) %>% filter(class !="e") %>%summarize(n())
Vielleicht dieses:
aggregate(rank~ID, df[as.character(df$class)<"e",], length)
# ID rank
#1 AA 2
#2 AB 2
#3 BB 1
Als für das, was @ Richard Scriven in den Kommentaren darauf hingewiesen (danke dafür):
Vergleich von Strings in Zeichenvektoren ist lexicographic innerhalb der Strings die Sortierfolge des Lokals im Einsatz
Wenn wir Sys.getlocale() laufen, würden wir bekommen:
[1] "LC_COLLATE=English_United States.1252;LC_CTYPE=English_United
States.1252;LC_MONETARY=English_United
States.1252;LC_NUMERIC=C;LC_TIME=English_United States.1252"
Wir können das Gebietsschema festgelegt mit:
Sys.getlocale("LC_TIME") #LC_TIME for example
Siehe ?locales für weitere Informationen.
Das ist genau das, woran ich auch gedacht habe. OP hüte dich vor lexikographischer Ordnung in Bezug auf das Gebietsschema, wie in 'help (<<)) erwähnt. –
Wir können auch data.table verwenden. Konvertieren Sie den 'data.frame' in 'data.table' (setDT(df)), gruppiert nach 'ID', geben Sie i mit dem logischen Ausdruck (class != "e") an und ermitteln Sie die Anzahl der Zeilen (.N).
library(data.table)
setDT(df)[class != "e",.(N = .N), by = ID]
# ID N
#1: AA 2
#2: AB 2
#3: BB 1
können Sie erklären, wie es funktioniert? – user3581800
Sicher! dplyr hat den Pipe-Operator '%>%'. Es kann als "und dann" interpretiert werden. Also lesen Sie den Code wie folgt. Nehmen Sie Ihr df und gruppieren Sie dann nach einer id-Variablen und filtern Sie dann die Zeilen des df, die nicht zur Klasse "e" gehören, und fassen Sie sie dann nach der Anzahl in jeder Gruppe zusammen. – shayaa