根据其他列和行有条件地计算一列中不同数量的项目答案

【问题标题】：Conditionally counting distinct number of items in one column based on other columns and rows根据其他列和行有条件地计算一列中不同数量的项目
【发布时间】：2021-04-20 08:46:08
【问题描述】：

我对 R 比较陌生，如果这太离谱了，我深表歉意。但我有一个看起来像这样的数据集：

#simplified input - actual data has ~20K observations, 
#V1 is a categorical variable with 2 options, V3 is a categorical variable with 23 options

df <- tribble(
      ~V1, ~V2, ~V3,
      "A", "a", "Z",
      "A", "a", "Y",
      "A", "b", "X",
      "A", "b", "Z",
      "B", "c", "Z",
      "B", "a", "Z",
      "B", "a", "Y",
      "A", "d", "X",
      "A", "e", "X",
      "A", "f", "X",
      "A", "g", "X",
      "B", "g", "X",
      "B", "h", "X",
      "A", "i", "X",
    )

我正在尝试根据 V1 和 V3 的组合来计算 V2 的不同值。在这个示例数据中，“a”可以在 A 和 B 中找到，并且可以分类为 Z 或 Y。所以我设想的输出看起来像，其中数字是 V2 的不同计数：

想要的输出：

df <- tribble(
      ~V1, ~Z, ~Y, ~X,
      "A_only", 1, 0, 5,
      "B_only", 1, 0, 1,
      "Both_A_and_B", 1, 1, 1
    )

老实说，我完全不知道如何做到这一点，所以任何想法都将不胜感激。

【问题讨论】：

我不确定我是否理解您的问题（尤其是“仅 A”、“仅 B”等），但这行得通吗？ x %>% group_by(V1, V3) %>% distinct(V2) %>% count()
是的，我可能没有很好地解释我的问题。不幸的是，您的建议并不能完全满足我的需求。但是，假设对于 V1，A 和 B 是两个人名列表。 V2 表示列表中的名称，其中 a、b、c 是 if 的一部分。然后 V3 是描述这些名称的其他因素，例如“流行的男性名称”、“流行的女性名称”、“流行的狗名”。一些名称可以通过这些（而不仅仅是一个）的组合来描述。我要弄清楚的是，有多少名称，按这些描述性因素组织，仅在一个列表或两个列表中。
@akrun 道歉，添加了预期的解决方案
@for-alfie 请将其应用于您的原始数据集，看看结果如何。

标签： r

【解决方案1】：

更新

问题解决了！

library(dplyr)
library(tidyr)

df %>%
  group_by(V1, V2, V3) %>%
  add_count() %>%
  pivot_wider(names_from = V3, values_from = n) %>%
  group_by(V2) %>%
  mutate(V1 = ifelse(length(V2) > 1, "Both_A_and_B", 
                     ifelse(length(V2) == 1 & V1 == "A", "A_only", 
                            "B_only"))) %>%
  distinct() %>%
  group_by(V1) %>%
  summarise(across(Z:X, ~ sum(.x, na.rm = TRUE)))


# A tibble: 3 x 4
  V1               Z     Y     X
  <chr>        <int> <int> <int>
1 A_only           1     0     5
2 B_only           1     0     1
3 Both_A_and_B     1     1     1

【讨论】：

@AnoushiravanR 也许这也可以工作df %>% group_by(V2, V3) %>% summarise(V1 = str_c(unique(V1), collapse = "_and_"), .groups = 'drop') %>% mutate(V2 = 1) %>% pivot_wider(names_from = V3, values_from = V2, values_fill = 0 )
完美运行。 @for-alfie 请查看亲爱的 akrun 发布的解决方案，我相信这是最好的解决方案。
我的错没有在最后的回复中提供！因此，假设现在的起始数据更长，V2 的可能值更多。 example <- tribble( ~V1, ~V2, ~V3, "A", "a", "Z", "A", "a", "Y", "A", "b", "X", "A", "b", "Z", "B", "c", "Z", "B", "a", "Z", "B", "a", "Y", "A", "d", "X", "A", "e", "X", "A", "f", "X", "A", "g", "X", "B", "g", "X", "B", "h", "X", "A", "i", "X", ) 使用您的解决方案，它最终会显示多行。 @AnoushiravanR
@for-alfie 我对我的帖子进行了编辑。请检查一下，我希望这有效，但我不确定。
或Anoushiravan的解决方案略有变化df %>% group_by(V2, V3) %>% mutate(V1 = case_when(n_distinct(V1) == 2 ~ 'A and B', TRUE ~ V1)) %>% ungroup %>% distinct(V3, V2, .keep_all = TRUE) %>% count(V1, V3) %>% pivot_wider(names_from = V3, values_from = n, values_fill = 0)