R中按用户ID分组后可以汇总变量组合吗？

Question

正如标题所暗示的那样，我正在努力寻找一种方法来很好地分析有多少用户（由用户 ID 标识）仅使用一个设备（设备）或多个，如果是，是哪种组合。

我设法制作了包含用户 ID 和设备信息、总频率以及用户是否多次访问平台（如果他们的用户 ID 出现多次）（多会话）的列。

每次用户使用他们的设备登录时，都会保存此信息，因此有一些人仅使用 PC 登录 20 次的记录，但有些人随着时间的推移使用不同的设备登录。

我正在寻找的是一个 output，它不一定需要个人用户 ID，而是需要多少人使用什么设备组合。 （只是一台 PC，只是一台平板电脑，只是一部手机，有多少人使用 PC 和平板电脑，PC 和手机，或者平板电脑和手机，或者三者同时使用）。

目标是制作一个漂亮的图表，显示有多少人使用多种设备以及他们随后选择哪种类型。

圣杯将是第二次分析，看看在 Win 和 Mac 用户组（操作系统列）之间使用辅助设备的人数是否存在差异，但这不是必须的。

我尝试了典型的

library(dplyr)
SISessions1 %>% 
  group_by(StudentID)... 

以及 packages janitor, vtree, CGPfunctions但没能得到我想要的。

这是我的数据示例：

structure(list(StudentID = c("CE52E2D2CC3E7A8624F7EF6E9EF4BAC736B5D7A77131F5773F2DAD20A98C49C9C710D6988017CEC3714", 
"2388CDEB82965E403D7EAE181E9A711D58CEA6F6775F60EDDB73791D5076B87F5C477BF01256E20DE8FF0", 
"10F5DE1E0A95667B811F9A6CF2D43415AE580DC7F41289CBCEE88B2FBEC2983CA8F29A2048A446CFFF8EE", 
"968DE1D2238FEE04B54DC705059AC49791D77D21245DBEB61F0602AB052B53928AE10F763FFD3F0A73CA3", 
"FB7BEECA8C097C34D25C65A00943681432FF1ECFF1FA840320DCC6CC77CFCF119898B259FAFF2F2593A3B", 
"3C3FC512008B7D33E04B51551426738F07AD1430507CA530657EEF27650A05DCE624A10AD9451570F3020", 
"3C3FC512008B7D33E04B51551426738F07AD1430507CA530657EEF27650A05DCE624A10AD9451570F3020", 
"14626EA6256FEFBB0EA89688C87D3289A73E80D724AD760D13BED298CAEA4744BED66D37365F13FE36DC5"
), Browser = c("Chrome", "InternetExplorer", "Safari Mac", "InternetExplorer", 
"InternetExplorer", "Chrome", "Chrome", "Chrome"), Platform = c("Win7", 
"Win7", "Mac10", "Win7", "Win7", "Android", "Linux", "Tablet PC"
), OS = c("Win", "Win", "Mac", "Win", "Win", "Android", "Linux", 
"Tablet PC"), Device = c("PC", "PC", "PC", "PC", "PC", "Mobile", 
"Linux", "Tablet"), noofsessions = c(1L, 8L, 9L, 15L, 5L, 3L, 
3L, 22L), multisession = c(FALSE, TRUE, TRUE, TRUE, TRUE, TRUE, 
TRUE, TRUE)), row.names = c(NA, -8L), class = c("tbl_df", "tbl", 
"data.frame")) 

Answer 1

所以看起来您正在寻找的模式是带有折叠参数的 summarise() + paste0() ，然后您可以计算我所说的“类别”以获得属于每个类别的用户数量。

your_data %>%
    group_by(StudentId)%>%
    summarise(category = paste0(Device, collapse = ", "))%>%
    count(category)

通过将 OS 添加到 group_by() 然后使用 OS 和类别等进行计数，将此分析扩展到 OS 应该有点简单。