R：使用dplyr对应唯一向量条目的总和值

我想为数据集中的每个任务想出一个总和，该数据集只使用总和中一次观察到的最大值。如果还不清楚，我提供了一个下面所需输出的例子。R：使用dplyr对应唯一向量条目的总和值

样本数据

dat <- data.frame(task = rep(LETTERS[1:3], each=3), 
        id = c(rep(1:2, 4) , 3), 
        value = c(rep(c(10,20), 4), 5)) 
dat 
    task id value 
1 A 1 10 
2 A 2 20 
3 A 1 10 
4 B 2 20 
5 B 1 10 
6 B 2 20 
7 C 1 10 
8 C 2 20 
9 C 3  5

我找到问题的答案，但它需要两个独立的group_by()功能。有没有办法让一个group_by()获得相同的输出？原因是我有其他汇总度量标准对分组很敏感，我不能在同一个管道中运行两个不同的group_by函数。

dat %>% 
    group_by(task, id) %>% 
    summarize(v = max(value)) %>% 
    group_by(task) %>% 
    summarize(unique_ids = n_distinct(id), 
      value_sum = sum(v)) 

# A tibble: 3 × 3 
    task unique_ids value_sum 
    <chr>  <int>  <dbl> 
1  A   2  30 
2  B   2  30 
3  C   3  35

来源

2017-06-18 Steven M. Mortimer

我发现一些使用tapply()的作品。

dat %>% 
    group_by(task) %>% 
    summarize(unique_ids = length(unique(id)), 
      value_sum = sum(tapply(value, id, FUN = max))) 

# A tibble: 3 × 3 
    task unique_ids value_sum 
    <chr>  <int>  <dbl> 
1  A   2  30 
2  B   2  30 
3  C   3  35

来源

2017-06-18 03:02:16

Fyi，长度（unique（x））在dplyr中有n_distinct。我认为这可以通过删除重复项来解决：'dat％>％distinct％>％group_by（task）％>％summarize（n = n（），s = sum（value））''。就其他度量方式阻碍这一点而言，我认为这来自于确实应该有多个表（例如，用于'id's及其属性）的决定。您可能想阅读哈德利关于“整理数据”的论文 – Frank

感谢您提供'n_distinct'的提示。我不能删除重复的行，因为我需要总结的其他列取决于所保留的所有行。 –

R：使用dplyr对应唯一向量条目的总和值

回答

相关问题