根据条件计算组的数据框的不同级别答案

【问题标题】：count distinct levels of a data frame for groups based on a condition根据条件计算组的数据框的不同级别
【发布时间】：2020-01-29 18:30:26
【问题描述】：

我有以下 DF

x = data.frame('grp' = c(1,1,1,2,2,2),'a' = c(1,2,1,1,2,1), 'b'= c(6,5,6,6,2,6), 'c' = c(0.1,0.2,0.4,-1, 0.9,0.7))

  grp a b    c
1   1 1 6  0.1
2   1 2 5  0.2
3   1 1 6  0.4
4   2 1 6 -1.0
5   2 2 2  0.9
6   2 1 6  0.7

我想为c >= 0.1 所在的每个组计算不同级别的(a,b)

我已经尝试使用dplyr 使用group_by 和summarise，但没有得到想要的结果

x %>% group_by(grp) %>% summarise(count = n_distinct(c(a,b)[c >= 0.1]))

对于上述情况，我希望得到以下结果

    grp count
  <dbl> <int>
1     1     2
2     2     2

但是使用上述查询我得到以下结果

    grp count
  <dbl> <int>
1     1     4
2     2     3

从逻辑上讲，上述输出似乎解决了(a,b) 的 concat 列表的所有唯一值，但不是我需要的任何指针，非常感谢任何帮助

【问题讨论】：

标签： r group-by dplyr conditional-statements summarize

【解决方案1】：

这是使用dplyr 的另一种方式。听起来您想基于c 来filter，所以我们这样做了。在n_distinct中不用c(a, b)，我们可以写成n_distinct(a, b)。

x %>%
    filter(c >= 0.1) %>%
    group_by(grp) %>%
    summarise(cnt_d = n_distinct(a, b))

#     grp cnt_d
#   <dbl> <int>
# 1     1     2
# 2     2     2

【讨论】：

【解决方案2】：

我们可以 paste a 和 b 列并计算每个组中的不同值。

library(dplyr)

x %>% 
  mutate(col = paste(a, b, sep = "_")) %>%
  group_by(grp) %>%
  summarise(count = n_distinct(col[c >= 0.1]))

#    grp count
#  <dbl> <int>
#1     1     2
#2     2     2

【讨论】：

谢谢喜欢这个更好，因为它也允许在多种条件下工作

【解决方案3】：

使用data.table的选项

library(data.table)
setDT(x)[c >= 0.1, .(cnt_d = uniqueN(paste(a, b))), .(grp)]
#    grp cnt_d
#1:   1     2
#2:   2     2

【讨论】：