获取最大值，将其分组，然后取R中的原始计数。

Question

我的数据如下，

df <- read.table(text="Name   value
A        0
                 A        1
                 A        2
                 A        3
                 B        0
                 B        0
                 B        3
                 C        5", header=T)

> df
  Name value
1    A     0
2    A     1
3    A     2
4    A     3
5    B     0
6    B     0
7    B     3
8    C     5

我最初想给每个名称的最大值分配回收箱，因此我这样做了，

p = df %>% group_by(Name) %>% summarise(k =max(value))
p$values <- as.character(cut(p$k, breaks=c(0,1,2,3,4,5,10), labels=c("0-1","1-2","2-3","3-4","4-5","5-10")))

得到以下输出，

> p
Source: local data table [3 x 3]

    Name     k values
  (fctr) (int)  (chr)
1      A     3    2-3
2      B     3    2-3
3      C     5    4-5

现在，我想通过值对其进行分组，以查看回收箱的拆分。因此我尝试了以下几点，

> p %>% group_by(values) %>% summarise(n())
Source: local data table [2 x 2]

  values   n()
   (chr) (int)
1    2-3     2
2    4-5     1

现在在2-3个垃圾箱里，计数是2，它是A& B，在4-5里面，计数是1，C在后面。现在，我想在这个输出中添加另一列。输出应该是原始dataframe第一行中A和B的总行以及第二行中C行的行数。

我想要的输出是，

  values   n()   totalcount
   (chr) (int)
1    2-3     2       6
2    4-5     1       1

其中6和1是n()计数中的行数。我被困在创建第三栏中。有人能帮我或者给我一些建议吗？

谢谢

Answer 1

我们可以在管道(%>%)中完成大部分作业。例如，使用p$values <- ...代替mutate来创建“values”列。在按'values‘分组之后，我们再次使用mutate来创建'n’，这样'Name‘列将保留在dataset中，它将作为一个公共变量在left_join中与原始数据集('df')一起使用。之后，我们使用join，使用summarise获取'n‘的first值和按’value‘分组的行数(’总和‘)。

df %>% 
   group_by(Name) %>%
   summarise(k=max(value)) %>% 
   mutate(values = cut(k, breaks= c(0,1,2,3,4,5,10), 
          labels=c("0-1","1-2","2-3","3-4","4-5","5-10"))) %>% 
   group_by(values) %>%
   mutate(n=n()) %>% 
   left_join(., df, by ='Name') %>%
   group_by(values) %>%
   summarise(n=first(n), totalcount=n())
#  values     n totalcount
#   (fctr) (int)      (int)
#1    2-3     2          7
#2    4-5     1          1

Answer 2

我觉得用data.table做这种事更容易

# convert to data table
library(data.table)             
dt <- data.table(df)

# find max by Name
p <- dt[, list(k=max(value)), by='Name']

# label maxes
breaks <- c(0,1,2,3,4,5,10)
labels <- c("0-1","1-2","2-3","3-4","4-5","5-10")
for (b in breaks) p[k==b, values:=labels[breaks==b]]

# count the Names within each bin
n <- p[, list(n=.N), by='values']

# count rows in original data table by bin
dt <- merge(dt, p, 'Name')
totalcount <- dt[, list(totalcount=.N), by='values']

# assemble n and totalcount to produce final output
n <- merge(n, totalcount, 'values')

Answer 3

下面是另一个data.table实现：

dt[, .(N=.N, value=max(value)), Name 
   ][, bin := cut(value,
                  breaks=c(0,1,2,3,4,5,10),
                  labels=c("0-1","1-2","2-3","3-4","4-5","5-10"))
   ][, .(N=.N, NRows=sum(N)), bin
   ]