[英]Add cells in data frame in R by every combination of cells in other rows
[英]Create rows in a data frame based on other rows and column combination in R
我在R中的数据框有问题,我有一些具有二维和一个度量的数据,但是某些类别的组合没有数据。 我的数据如下所示:
interestAffinityCategory userGender users
1 Music Lovers male 198
2 Music Lovers female 190
3 News Junkies & Avid Readers male 134
4 News Junkies & Avid Readers female 115
5 Sports Fans male 109
6 Movie Lovers male 108
7 Technophiles male 93
8 TV Lovers male 88
9 TV Lovers female 79
10 Technophiles female 70
例如,体育迷只有男性数据。 我需要所有类别,即使用户列中的值为0。 像:体育迷,女,0我的数据需要如何:(第8行和第6行)
interestAffinityCategory userGender users
1 Music Lovers male 198
2 Music Lovers female 190
3 News Junkies & Avid Readers male 134
4 News Junkies & Avid Readers female 115
5 Sports Fans male 109
6 Sports Fans female 0
7 Movie Lovers male 108
8 Movie Lovers female 0
9 Technophiles male 93
10 TV Lovers male 88
11 TV Lovers female 79
12 Technophiles female 70
我试图找到一个解决方案,但我只发现了类似的案例,但是只有一个维度,对我来说不起作用。
附言:此数据来自Google Analytics(分析)API,我想获得排名前10位的类别,并制作一张按性别进行访问的图表,但为此,我需要显示所有类别和性别组合的数据,即使0访问。
您应该使用tidyr
的complete
函数。 第一个参数是数据,第二个和第三个是要查找所有可能的组合的列(如果有更多组合,则可以一个一个地列出),并且fill
是一个列表,其中包含要填充的默认值。
complete(data, interestAffinityCategory, userGender, fill=list(users=0))
您可以创建一个类别所有组合的数据框,并将users
设置为零。 然后,您可以组合两个数据框,并为类别的每个组合保留用户的最大值。
您可以使用expand.grid()
创建具有所有组合的数据框:
all_levels_0 <- expand.grid(levels(data$interestAffinityCategory), levels(data$userGender))
all_levels_0$users <- 0
names(all_levels_0) <- names(data)
head(all_levels_0)
## interestAffinityCategory userGender users
## 1 Movie Lovers female 0
## 2 Music Lovers female 0
## 3 News Junkies & Avid Readers female 0
## 4 Sports Fans female 0
## 5 Technophiles female 0
## 6 Technophiles female 0
(这假定data$interestAffinityCategory
和data$userGender
都是因素。如果它们是字符,请使用unique()
而不是levels()
。)
对于第二步,我使用dplyr包:
library(dplyr)
all_levels <- bind_rows(data, all_levels_0) %>%
group_by(interestAffinityCategory, userGender) %>%
summarise(users = max(users))
head(all_levels)
## Source: local data frame [6 x 3]
## Groups: interestAffinityCategory [3]
##
## interestAffinityCategory userGender users
## (fctr) (fctr) (dbl)
## 1 Movie Lovers female 0
## 2 Movie Lovers male 108
## 3 Music Lovers female 190
## 4 Music Lovers male 198
## 5 News Junkies & Avid Readers female 115
## 6 News Junkies & Avid Readers male 134
如果你不喜欢使用dplyr,你可以用同样的rbind()
和aggregate()
从基础R:
combined <- rbind(data, all_levels_0)
all_levels <- aggregate(users ~ interestAffinityCategory + userGender,
data = combined, FUN = max)
head(all_levels)
## interestAffinityCategory userGender users
## 1 Movie Lovers female 0
## 2 Music Lovers female 190
## 3 News Junkies & Avid Readers female 115
## 4 Sports Fans female 0
## 5 Technophiles female 70
## 6 Technophiles female 0
(这对行进行了不同的排序,因此前几行与dplyr示例中的行不同。)
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.