计算ID在R中同一天多次出现一次的频率

Question

我正在尝试计算ID在同一天多次出现在数据中的频率。

我有一列日期和一列个人身份证 。

set.seed(42) 
n     <- 10^5 
ids   <- sample(1:5000, n, replace=T)
dates <- as.Date("1943-07-13", "%Y-%m-%d") - sample(1:9000, n, replace=T)

我想出的解决方案：

sum(table(ids, dates)>1)

问题是（缺乏）效率。 在更大的数据集上，我收到一条错误消息。

Answer 1

我们可以使用data.table 。 创建一个具有'ids'和'dates'的data.table，获取按这些列分组的行数，检查其是否大于1，提取该列并获取sum 。

sum(data.table(ids, dates)[, .N > 1, .(ids, dates)]$V1)

基准

system.time(sum(data.table(ids, dates)[, .N > 1, .(ids, dates)]$V1))
#   user  system elapsed 
#  0.05    0.00    0.05 
system.time(sum(table(ids, dates)>1))
#   user  system elapsed 
#   0.87    0.19    1.07