選擇在 r 中的每個組中至少出現 (n) 次的 id

Question

我正在處理一個包含 ID 和時間的巨大數據集。 假設我想選擇在第 1 個月和第 2 個月至少出現兩次的 id（在實際數據中，如果它們在指定月份至少出現 15 次，我想選擇 id）。 我怎樣才能在 R 中完成這個。這是數據集

df <- data.frame(id = c(1,1,1,1,1,2,2,2,2,3,3,3),
                 month = c(1,1,1,2,2,1,1,2,2,2,3,3))

這是我想要的

df_1 <- data.frame(id = c(1,1,1,1,1,2,2,2,2),
                   month = c(1,1,1,2,2,1,1,2,2))

提前致謝！

Answer 1

整理宇宙：

library(dplyr)
df %>%
  group_by(id, month) %>%
  filter(month %in% 1:2, n() >= 2) %>%
  ungroup()
# # A tibble: 9 x 2
#      id month
#   <dbl> <dbl>
# 1     1     1
# 2     1     1
# 3     1     1
# 4     1     2
# 5     1     2
# 6     2     1
# 7     2     1
# 8     2     2
# 9     2     2

data.table ：

library(data.table)
DT <- as.data.table(df)
DT[, .SD[month < 3 & .N >= 2,], by = .(month, id)]
#    month id n
# 1:     1  1 3
# 2:     1  1 3
# 3:     1  1 3
# 4:     2  1 2
# 5:     2  1 2
# 6:     1  2 2
# 7:     1  2 2
# 8:     2  2 2
# 9:     2  2 2

Answer 2

一個快速而骯臟的基礎 R 解決方案。 肯定可以優化

df <- data.frame(id = c(1,1,1,1,1,2,2,2,2,3,3,3),
                 month = c(1,1,1,2,2,1,1,2,2,2,3,3))

# select months 1 and 2 only 
sel.months <- c(1, 2)
df2 <- df[df$month %in% sel.months,]

# count ids
tb <- as.matrix(table(df2))

# get table rows that are > 2
ids <- as.integer(apply(tb, 2, function(x) {names(which(x >= 2)) })) 
# remove duplicates 
ids <- unique(ids)
# filter data 
df.filtered <- df[df$id %in% ids,]

df.filtered

使用 dplyr 的更漂亮的解決方案

library (dplyr) 

df <- data.frame(id = c(1,1,1,1,1,2,2,2,2,3,3,3),
                 month = c(1,1,1,2,2,1,1,2,2,2,3,3))

sel.months <- c(1, 2)

df.filtered <- df %>%
 filter (month %in% sel.months) %>%
 group_by (id, month) %>%
 mutate (count = table(id)) %>%
 filter (count >= 2)

Answer 3

如果要選擇在第 1 個月和第 2 個月中至少出現兩次的 ID：

library(dplyr)
df %>% group_by(id) %>% filter(sum(month %in% 1:2) >= 2)

#    id month
#  <dbl> <dbl>
#1     1     1
#2     1     1
#3     1     1
#4     1     2
#5     1     2
#6     2     1
#7     2     1
#8     2     2
#9     2     2

等效的data.table ：

library(data.table)
setDT(df)[, .SD[sum(month %in% 1:2) >= 2], id]

和基礎 R 解決方案：

subset(df, ave(month %in% 1:2, id, FUN = sum) >= 2)