在 R 中给定特定条件的累积频率答案

【问题标题】：cumulative frequency given certain conditions in R在 R 中给定特定条件的累积频率
【发布时间】：2019-10-12 02:16:06
【问题描述】：

我是 R 的新手，如果 ID 相同但日期不同，我真的不知道如何计算一行的累积出现次数。此外，如果第一个日期出现多次，则不应计入第一次尝试。查看第 2 行和第 3 行，这就是为什么我要构建的列称为“计数”并且等于零。 "count" 表示 id 出现的次数，但遵循以下两条规则：

1.如果它是 Id 的第一次出现，它分配零。例如，对于 Id 1，尽管该 Id 的第一个日期有两个不同的寄存器，但“count”等于 0。

2.对于下一个 Id 1 出现（Id1 的第 3 行），它具有不同的日期，这就是“计数”等于 2 的原因。因为 01/01/2018 Id1 出现了两次。

这是 DT，我正在寻找的结果在“计数”列中：

【问题讨论】：

id 1 第二行的计数不应该是 1 吗？
不，因为是同一个日期。但是，由于 id 1 的第三行发生在不同的日期，所以它是 2。
id 2 的第一行怎么样？为什么是 0？
为什么 id = 1 的第三行是 2 而 id = 2 的第二行是 1？ count 代表什么？
当 Id 和 date 第一次出现时，它应计为零。然后，Id2 和不同日期（2018 年 4 月 5 日）的第 2 行是一个，因为有一个相同 id 具有不同日期的先前寄存器。

标签： r multiple-conditions cumulative-frequency

【解决方案1】：

data.table 的一个选项，我们将“data.frame”转换为“data.table”（setDT(df)），按“id”分组，创建“计数”作为逻辑向量的sum (date == first(date))，然后将每个 'id' 的第一行 'count' 更改为 0

library(data.table)
setDT(df)[,  count := sum(date == first(date)), id]
df[df[, .I[1], id]$V1, count := 0][]
#   id       date count
#1:  1 01/01/2018     0
#2:  1 01/01/2018     2
#3:  1 02/01/2018     2
#4:  2 03/02/2018     0
#5:  2 04/04/2018     1

数据

df <- data.frame(id = c(1, 1, 1, 2, 2), date = c("01/01/2018", "01/01/2018", 
 "02/01/2018", "03/02/2018", "04/04/2018"), stringsAsFactors = FALSE)

【讨论】：

【解决方案2】：

我们可以使用dplyr 到group_by id 并为第一个date 返回0，否则返回第一个date 的出现次数

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(count = ifelse(date == date[1L], 0, sum(date == date[1L])))

#     id   date       count
#   <dbl> <fct>      <dbl>
#1     1 01/01/2018     0
#2     1 01/01/2018     0
#3     1 02/01/2018     2
#4     2 03/02/2018     0
#5     2 04/04/2018     1

或者使用具有类似逻辑的基本 R ave

as.numeric(with(df, ave(date, id, FUN = function(x) 
           ifelse(x == x[1L], 0, sum(x == x[1L])))))
#[1] 0 0 2 0 1

数据

df <- data.frame(id = c(1, 1, 1, 2, 2), date = c("01/01/2018", "01/01/2018", 
     "02/01/2018", "03/02/2018", "04/04/2018"), stringsAsFactors = FALSE)

【讨论】：

谢谢！第一个工作得很好。第二个，是回馈娜。带有以下消息：警告消息：1：在 [<-.factor(*tmp*, i, value = c(0, 0, 2)) 中：无效因子水平，NA 生成 2：在 [<-.factor(*tmp*, i, value = c(0, 1)) : 无效因子水平，NA生成
@Magggggg 这是因为您的 date 列是因素。通过 df$date <- as.character(df$date) 将它们更改为字符，然后运行第二个。