dplyr使用group_by和rowwise do對累積集計數進行分組

Question

我已將數據與組內的排序進行分組，其中每行包含值列表，並且在每個組中，我希望生成每行向每個組中的列表的並集貢獻的新列表值的計數。

這是一個例子：

require(dplyr)
content <- list(c("A", "B"), c("A", "B", "C"), c("D", "E"), c("A", "B"), c("A", "B"), c("A", "B", "C"))
id <- c("a", "a", "a", "b", "b", "b")
order <- c(5, 7, 3, 1, 9, 4)
testdf <- data.frame(id, order, cbind(content))
testdf
#   id order content
# 1  a     5    A, B
# 2  a     7 A, B, C
# 3  a     3    D, E
# 4  b     1    A, B
# 5  b     9    A, B
# 6  b     4 A, B, C

我想要的輸出（在按每個組內下降順序排序后）將如下：

#   id order content cc
# 1  a     7 A, B, C 3
# 2  a     5    A, B 3
# 3  a     3    D, E 5
# 4  b     9    A, B 2
# 5  b     4 A, B, C 3
# 6  b     1    A, B 3

cn（累積新的）確實比cc（累積計數）更好，但是上面的圖表映射到我下面的嘗試，cn隨后很容易計算出來。 這是我嘗試的解決方案不起作用：

res <- testdf %>% 
  arrange(id, desc(order)) %>% 
  mutate(n=row_number()) %>%
  group_by(id) %>%
  mutate(n1=first(n)) %>%
  rowwise() %>%
  bind_cols(do(.,data.frame(vars=length(unique(unlist(testdf$content[.$n1:.$n])))))) %>%
  data.frame

我實際上從這里獲得了大部分解決方案： 累積粘貼（連接）由另一個變量分組的值 （感謝akrun）。 生成的值似乎是正確的，但它們與源數據框中的正確行無關：

res
#   id order content n n1 vars
# 1  a     7 A, B, C 1  1    2
# 2  a     5    A, B 2  1    3
# 3  a     3    D, E 3  1    5
# 4  b     9    A, B 4  4    2
# 5  b     4 A, B, C 5  4    2
# 6  b     1    A, B 6  4    3

正如您所看到的（查看相當於上述cc的vars列）組'a'值2和3相反，對於組'b'，第二個2和3值相反。

實際上我找出了上面的錯誤 ，testdf $內容（顯然）沒有與dplyr'd數據幀相同。 最初我有.$content而不是testdf$content ，甚至產生了更奇怪的輸出。 所以我嘗試分兩個階段：

res <- testdf %>% 
    arrange(id, desc(order)) %>% 
    mutate(n=row_number()) %>%
    group_by(id) %>%
    mutate(n1=first(n))
res <- res %>% 
    rowwise() %>%
    bind_cols(do(.,data.frame(vars=length(unique(unlist(res$content[.$n1:.$n])))))) %>%
    data.frame

這產生了我的期望：

#   id order content n n1 vars
# 1  a     7 A, B, C 1  1    3
# 2  a     5    A, B 2  1    3
# 3  a     3    D, E 3  1    5
# 4  b     9    A, B 4  4    2
# 5  b     4 A, B, C 5  4    3
# 6  b     1    A, B 6  4    3

所以我現在的問題是有更好的方法來引用do()的整個dplyr修改數據框（以便正確地排序content ） - 我想. 只是當前行不是嗎？ 能夠這樣做將避免我必須在do()之前單獨創建有序數據框。

非常感謝

蒂姆

Answer 1

你可以用Reduce功能與accumulate模式創建累積不同的元素，然后使用lengths函數返回累積不同罪名，這避免了rowwise()操作：

library(dplyr)
testdf %>% 
          arrange(desc(order)) %>% 
          group_by(id) %>% 
          mutate(cc = lengths(Reduce(function(x, y) unique(c(x, y)), content, acc = T))) %>% 
          arrange(id)

#Source: local data frame [6 x 4]
#Groups: id [2]

#      id order   content    cc
#  <fctr> <dbl>    <list> <int>
#1      a     7 <chr [3]>     3
#2      a     5 <chr [2]>     3
#3      a     3 <chr [2]>     5
#4      b     9 <chr [2]>     2
#5      b     4 <chr [3]>     3
#6      b     1 <chr [2]>     3