基于团队名称的团队成员数

Question

我有一个df，其中每一行代表一个个体，每一列代表这些个体的特征。其中一个列是TeamName，它是个人所属的团队的名称。多个人属于一个团队。

我希望在R中有一个函数，为每个团队创建一个包含团队成员数量的新列。

所以，例如，我有：

df
Name    Surname     TeamName
John     Smith      Champions
Mary     Osborne    Socceroos
Mark     Johnson    Champions
Rory     Bradon     Champions
Jane     Bryant     Socceroos
Bruce    Harper     

我想要

df1
Name    Surname     TeamName    TeamNo
John     Smith      Champions     3
Mary     Osborne    Socceroos     2
Mark     Johnson    Champions     3
Rory     Bradon     Champions     3  
Jane     Bryant     Socceroos     2
Bruce    Harper                   0

所以正如你所看到的，计数也包括了那个人，如果某人(比如布鲁斯·哈珀)没有球队的名字，那么他得到了0。

我怎么能这么做？谢谢!

Answer 1

这是一种基于使用data.table的解决方案，这可能是您所需要的太多了，但如下所示：

library(data.table)
dt=data.table(df)
# First, let's convert the factors of TeamName, to characters
dt[,TeamName:=as.character(TeamName)]
# Now, let find all the team numbers
dt[,TeamNo:=.N, by='TeamName']
# Let's exclude the special cases
dt[is.na(TeamName),TeamNo:=NA]
dt[TeamName=="",TeamNo:=NA]

这显然不是最好的解决办法，但我希望这会有所帮助。

Answer 2

如果您需要根据“unique”列知道前两列中的TeamName成员数，一个选项是来自dplyr的n_distinct

 library(dplyr)
 library(tidyr)
 df %>%
     unite(Var, Name, Surname) %>% #paste the columns together
      group_by(TeamName) %>% #group by TeamName
      mutate(TeamNo= n_distinct(Var)) %>% #create the TeamNo column
      separate(Var, into=c('Name', 'Surname')) #split the 'Var' column

或者，如果仅仅是每个'TeamName‘的行数，我们可以按'TeamName’进行分组，使用n()获取每个组的行数，根据这个n()创建带有mutate的'TeamNo‘列，如果需要，可以使用ifelse条件为'TeamName’(即''或NA )提供NA。

df %>%
   group_by(TeamName) %>%
   mutate(TeamNo = ifelse(is.na(TeamName)|TeamName=='', NA_integer_, n())) 
#   Name Surname  TeamName TeamNo
#1  John   Smith Champions      3
#2  Mary Osborne Socceroos      2
#3  Mark Johnson Champions      3
#4  Rory  Bradon Champions      3
#5  Jane  Bryant Socceroos      2
#6 Bruce  Harper                NA

或者您可以使用来自base R的base R。假设有''和NA，我首先将''转换为NA，然后使用ave获得按该列分组的“TeamNo”的length。它将给出“`NA”值的NA。例如。

  v1 <- c(df$TeamName, NA)# appending an NA with the example to show the case
  is.na(v1) <- v1=='' #convert the `'' to `NA`
  as.numeric(ave(v1, v1, FUN=length))
  #[1]  3  2  3  3  2 NA NA

Answer 3

使用sqldf

library(sqldf)
sqldf("SELECT Name, Surname, TeamName, n
      FROM df 
      LEFT JOIN
      (SELECT TeamName, COUNT(Name) AS n 
      FROM df 
      WHERE NOT TeamName IS '' GROUP BY TeamName)
      USING (TeamName)")

输出：

   Name Surname  TeamName  n
1  John   Smith Champions  3
2  Mary Osborne Socceroos  2
3  Mark Johnson Champions  3
4  Rory  Bradon Champions  3
5  Jane  Bryant Socceroos  2
6 Bruce  Harper           NA