添加一列，将 R 中每个用户的会话数相加 [重复]答案

【问题标题】：Add a column that sum the number of sessions per user in R [duplicate]添加一列，将 R 中每个用户的会话数相加 [重复]
【发布时间】：2016-10-01 23:20:19
【问题描述】：

我开始对移动应用程序进行数据挖掘，我有一个看起来像这样的数据库：

数据库用户 ID 小时日期 01 18 01.01.2016 01 18 01.01.2016 01 14 02.01.2016 01 14 03.01.2016 02 21 03.01.2016 02 08 05.01.2016 02 08 05.01.2016 03 23 05.01.2016

我想在此数据库中添加一个新列，用于汇总用户使用该应用程序的不同天数，例如在这个数据库中，UserId#01 已经在平台上出现了三天，

预期的数据结果如下：

数据库 UserId 小时日期 NumDates 01 18 01.01.2016 3 01 18 01.01.2016 3 01 14 02.01.2016 3 01 14 03.01.2016 3 02 21 03.01.2016 2 02 08 05.01.2016 2 02 08 05.01.2016 2 03 23 05.01.2016 1

到目前为止，我已经使用了这个命令：

数据库["NumDates"] % group_by(UserId) %>% summarise(NumDates = length(unique(Date)))

但它告诉我，当我需要 +600,000（我的数据库中的会话数）时，它只创建 5000 行（我的数据库中不同用户的数量）

如果有人可以帮助我，将不胜感激！

【问题讨论】：

标签： r data-mining calculated-columns

【解决方案1】：

我们可以从data.table使用uniqueN

library(data.table)
setDT(Database)[, NumDates := uniqueN(Date) , by = UserId]
Database
#   UserId Hour       Date NumDates
#1:      1   18 01.01.2016        3
#2:      1   18 01.01.2016        3
#3:      1   14 02.01.2016        3
#4:      1   14 03.01.2016        3
#5:      2   21 03.01.2016        2
#6:      2    8 05.01.2016        2
#7:      2    8 05.01.2016        2
#8:      3   23 05.01.2016        1

【讨论】：

【解决方案2】：

你不想要summarise，而是mutate。 summarise 将通过您分组的列的不同值为您提供一行，而 mutate 将仅添加另一列并保留现有列。

【讨论】：

【解决方案3】：

你可以在 dplyr 中使用 n_distict

library("dplyr")
database<- data.frame(UserId = c(1,1,1,1,2,2,2,3), Hour = c(18,18,14,14,21,8,8,23), Date = c("01.01.2016","01.01.2016","02.01.2016","03.01.2016","03.01.2016","05.01.2016","05.01.2016","05.01.2016"))
database %>% group_by(userId) %>% mutate(NumDates = n_distinct(Date))

结果如下

   UserId  Hour       Date NumDates
    (dbl) (dbl)     (fctr)    (int)
1      1    18 01.01.2016        3
2      1    18 01.01.2016        3
3      1    14 02.01.2016        3
4      1    14 03.01.2016        3
5      2    21 03.01.2016        2
6      2     8 05.01.2016        2
7      2     8 05.01.2016        2
8      3    23 05.01.2016        1

【讨论】：