ddply 对多个变量进行汇总答案

【问题标题】：ddply summarise on multiple variablesddply 对多个变量进行汇总
【发布时间】：2013-07-16 15:07:39
【问题描述】：

我看到 ddply 很好地按变量汇总和分组。我希望 ddply 只扫描一次非常大的数据帧，并为我提供多个变量的计数（长度）。如何才能做到这一点？例如：

inc <- c('inc123', 'inc332', 'inc231', 'inc492', 'inc872', 'inc983')
hw <- c('ss23', 'ss43', 'ss98', 'ss98', 'ss23', 'ss23')
app <- c('lkl', 'dsd', 'lkl', 'jhj', 'lkl', 'dsd')
srvc <- c('rr', 'oo', 'rr', 'qq', 'qq', 'pp')

df <- data.frame(inc, hw, app, srvc)
ddply(df, .(hw), summarise, count = length(inc))

上面将给我计算唯一硬件的数量。如果我这样做了

ddply(df, .(hw, app, srvc), summarise, count = length(inc))

我的目标失败了——因为 ddply 采用了硬件、应用程序、srvc 的每个“独特”组合并计算了这些组合。

有没有办法一次性获得所有 3 个变量的计数？期望得到的 df 是这样的：（可能有不同的行数）。

    hw count
1 ss23     3
2 ss43     1
3 ss98     2

    app count
1   dsd     2
2   jhj     1
3 linux     1
4   lkl     2

  srvc count
1   oo     1
2   pp     1
3   qq     2
4   rr     2

【问题讨论】：

它似乎与 plyr 的 split-and-apply 策略不兼容：您要求将 data.frame 拆分为 11 个不相交的组。
我现在明白了。使用“唯一”还需要我为每个变量运行一次。

标签： r count plyr

【解决方案1】：

我不知道plyr 在内部做什么，但data.table 只会使用表达式本身中的列，有效地只扫描一次数据（逐列）：

library(data.table)
dt = data.table(df)

lapply(c('hw', 'app', 'srvc'), function(name) dt[, .N, by = name])

【讨论】：

非常感谢 Eddi 和 Dickoa。我喜欢他们的解决方案。不过 Data.Table 更快。

【解决方案2】：

您可以为此使用plyr::count

require(plyr)
llply(c("hw", "app", "srvc"), function(col) count(df, vars = col))
## [[1]]
##     hw freq
## 1 ss23    3
## 2 ss43    1
## 3 ss98    2

## [[2]]
##   app freq
## 1 dsd    2
## 2 jhj    1
## 3 lkl    3

## [[3]]
##   srvc freq
## 1   oo    1
## 2   pp    1
## 3   qq    2
## 4   rr    2

【讨论】：