dplyr 使用 group_by 和 rowwise 进行分组累积集计数

Question

我已经在每行包含一个值列表的组内按顺序对数据进行分组，并且在每个组内，我想生成每行贡献给每个组中列表联合的新列表值的计数。

这是一个例子：

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

我想要的输出（按每个组内的降序排序后）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 （累积新）确实比 cc （累积计数）更可取，但上面映射到我下面的尝试，随后很容易计算出 cn。这是我尝试的不起作用的解决方案：

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

我实际上从这里获得了大部分解决方案：Cumulatively paste (concatenate) values grouped by another variable（感谢 akrun）。生成的值似乎是正确的，但它们与源数据框中的正确行没有关联：

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

如您所见（查看与上面的 cc 等效的 vars 列），“a”组的值 2 和 3 颠倒了，而“b”组的第二个值 2 和 3 颠倒了。

实际上我找出了上面的问题，testdf$content（显然）与 dplyr'd 数据框的排序不同。最初我有.$content 而不是testdf$content 并且产生了更奇怪的输出。所以我尝试分两个阶段进行：

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

这会产生我所期望的：

#   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

所以我现在的问题是有没有更好的方法来引用 do() 内的整个 dplyr 修改的数据框（以便正确排序 content） - 我认为 . 只是当前行不是吗？能够这样做将避免我必须在 do() 之前单独创建有序数据框。

非常感谢

提姆

Answer 1

您可以使用Reduce 函数和accumulate 模式来创建累积不同的元素，然后使用lengths 函数返回累积的不同计数，这样可以避免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