[英]R dplyr count occurences of separate events in time series data
我对dplyr有点陌生,我知道这很容易解决。 我有某些事件“ X”,“ Y”和“ Z”的数据,以及这些事件发生的日期列表。 可以通过以下示例生成一个示例:
days.14<-seq(as.Date("2014/1/1"),as.Date("2014/12/31"),by="days")
X<-c("X","")
Y<-c("Y","")
Z<-c("Z","")
data<-as.data.frame(sample(days.14,200,replace=TRUE))
data$X<-sample(X,200,replace=TRUE)
data$Y<-sample(Y,200,replace=TRUE)
data$Z<-sample(Z,200,replace=TRUE)
names(data)[1]<-"date"
data<-data[order(as.Date(data$date, format="%Y-%m-%d")),]
我正在尝试使用dplyr软件包对按日期分组的每个事件进行计数。 因此,与其在表示事件发生日期的数据中排成一行,不如说是数据集中的所有日期以及每个事件发生的次数。 因此,而不是像这样:
2014-01-01 Z
2014-01-01 Y Z
2014-01-01 X
2014-01-02 X Y Z
我正在尝试使用dplyr进行获取:
date X Y Z
--------------------
2014-01-01 1 1 2
2014-01-01 1 1 1
我用来完成此操作的代码不适用于字符向量。
counts = data%>% group_by(factor(date))%>%
summarise(X=sum(X),
Y=sum(Y),
Z=sum(Z))
我通常生成计数的方法是通过表函数,但不适用于dplyr。
这是我的处理方式:
library(dplyr)
data %>% group_by(date) %>%
summarise_each(funs(sum(.!="")), -date)
为了完整起见,来自@ David-Arenburg的data.table解决方案:
library(data.table)
setDT(data)[, lapply(.SD, function(x) sum(x != "")), by = date]
您的问题是您试图对行进行求和,因为该行不是数字,所以行不通。
您需要检查X,Y或Z是否不是""
( NA
在r中被广泛用作空白)。
我们可以在每一行上使用summarise_each
进行此操作,并使用-date
来确保不包括date列。
注意:如果您只想修复代码,这是最简单的解决方案:
data %>% group_by(date)%>%
summarise(X = sum(X == "X"),
Y = sum(Y == "Y"),
Z = sum(Z == "Z"))
另一种方式
set.seed(1000)
days.14<-seq(as.Date("2014/1/1"),as.Date("2014/12/31"),by="days")
X<-c("X","")
Y<-c("Y","")
Z<-c("Z","")
data<-as.data.frame(sample(days.14,200,replace=TRUE))
data$X<-sample(X,200,replace=TRUE)
data$Y<-sample(Y,200,replace=TRUE)
data$Z<-sample(Z,200,replace=TRUE)
names(data)[1]<-"date"
data<-data[order(as.Date(data$date, format="%Y-%m-%d")),]
library(reshape2)
使用熔体合并所有X,Y,Z
summ<-data%>%melt(id.var="date")%>% group_by(factor(date))%>%summarize(X = sum(value=="X"), Y = sum(value=="Y"), Z = sum(value=="Z"))
head(as.data.frame(summ))
factor(date) X Y Z
1 2014-01-04 0 1 1
2 2014-01-05 1 1 0
3 2014-01-08 1 2 1
4 2014-01-09 1 0 0
5 2014-01-10 1 1 1
6 2014-01-14 2 2 0
另一种解决方案是recast
( melt
-> dcast
)数据
library(reshape2)
recast(data, date ~ variable, id.var = 1, fun.aggregate = function(x) sum(x != ""))
这是使用ddply完成此任务的一种方法:
ddply(data,.(date),function(x){
xcount <- sum(grep("X",x$X))
ycount <- sum(grep("Y",x$Y))
zcount <- sum(grep("Z",x$Z))
data.frame(X=xcount,Y=ycount,Z=zcount)
})
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.