r分组和计数

Question

我正在处理如下数据集

      Id     Date           Color
      10     2008-11-17     Red
      10     2008-11-17     Red
      10     2008-11-17     Blue
      10     2010-01-26     Red
      10     2010-01-26     Green
      10     2010-01-26     Green
      10     2010-01-26     Red
      29     2007-07-31     Red
      29     2007-07-31     Red
      29     2007-07-31     Blue
      29     2007-07-31     Green
      29     2007-07-31     Red

我的目标是创建这样的数据集

     Color      Representation      Count            Min   Max
     Red        1 + 1 + 1  = 3      2 + 2 + 3 = 7    2     3
     Blue       1 + 1      = 2      1 + 1            1     1
     Green      1 +  1     = 2      2 + 1            1     2

表示

在¹行的值，第²列（代表），是3，因为红色是基于ID和日期的独特组合来表示三次。 例如，1 ^次和^第 2 ^点的行是相同的，ID（10）和日期（2008-11-17），以便该组合被表示一次_{（1（10，2008-11-17））。} ^第 4 ^次和^第 7 ^次的行是相同的ID（10）和日期（2010-01-26）组合，因此这种独特的组合，被表示一次_{（1（10，2010-01-26））。} ^第 8， ^第 9， ^第 12是ID（29）和日期（2007-07-31）的相同的组合和类似此被表示一次_{（1（29，2007-07-31））。} 因此，第1行第2列的值为3。

1 _{（10,2008-11-17）} + 1 _{（10,2010-10-26）} + 1 _{（29,2007-07-31）} = 3

计数

在¹行，第³列（计数），该值是7，因为红色提到两次通过ID 10上2008-11-17 （2 _{10，2008-11-17），}再次红两次提到的ID 10上2010-01-26 （2 _{10，2010-01-26）}和三次用ID 29上2007-07-31 2 _{29,2007-07-31}

2 _{（10,2008-11-17）} + 2 _{（10,2010-10-26）} + 3 _{（29,2007-07-31）}

任何帮助完成这个独特的频率/计数表非常感谢。

数据集

Id   = c(10,10,10,10,10,10,10,29,29,29,29,29) 
Date = c("2008-11-17", "2008-11-17", "2008-11-17","2010-01-26","2010-01-26","2010-01-26","2010-01-26",
         "2007-07-31","2007-07-31","2007-07-31","2007-07-31","2007-07-31") 
Color = c("Red", "Red", "Blue", "Red", "Green", "Green", "Red", "Red", "Red", "Blue", "Green", "Red") 
df = data.frame(Id, Date, Color)  

Answer 1

使用dplyr ：

library(dplyr)
dat %>% group_by(Color) %>%
    summarize(Representation = n_distinct(Id, Date), Count = n())
# # A tibble: 3 × 3
#    Color Representation Count
#   <fctr>          <int> <int>
# 1   Blue              2     2
# 2  Green              2     3
# 3    Red              3     7

Answer 2

您可以使用aggregate()函数：

# Make a new column for the Date-Id joined (what you want to base the counts on
df$DateId <- paste(df$Date, df$Id)

# Get the representation values
Representation <- aggregate(DateId ~ Color, data=df,FUN=function(x){length(unique(x))})
Representation
#>   Color DateId
#> 1  Blue      2
#> 2 Green      2
#> 3   Red      3

# Get the Count values
Count <- aggregate(DateId ~ Color, data=df,FUN=length)
Count
#>   Color DateId
#> 1  Blue      2
#> 2 Green      3
#> 3   Red      7

Answer 3

另一种选择是data.table

library(data.table)
setDT(df)[, .(Representation = uniqueN(paste(Id, Date)), Count = .N) , by = Color]
#     Color Representation Count
#1:   Red              3     7
#2:  Blue              2     2
#3: Green              2     3

更新

对于第二个问题，我们可以尝试

library(matrixStats)
m1 <- sapply(split(df[["Color"]], list(df$Id, df$Date), drop = TRUE),  function(x) table(x))
v1 <- (NA^!m1) * m1
df1 <- data.frame(Color = row.names(m1), Representation = rowSums(m1!=0), 
   Count = rowSums(m1), Min = rowMins(v1, na.rm=TRUE),
    Max = rowMaxs(v1, na.rm=TRUE))
row.names(df1) <- NULL
df1
#   Color Representation Count Min Max
#1  Blue              2     2   1   1
#2 Green              2     3   1   2
#3   Red              3     7   2   3