R：在层次结构中分组答案

【问题标题】：R: Grouping in a hierarchyR：在层次结构中分组
【发布时间】：2018-08-25 14:16:27
【问题描述】：

我正在处理一个带有六位数分组系统的数据集。前两位表示顶层的分组，后两位表示不同的子组，最后两位表示子组内的特定类型。我想将数据分组到层次结构的顶层（仅前两位数字），并计算每个组中的唯一名称。

GroupID 010203 的示例：

01 表示宝马
02 表示 3 系列
03 表示 320i（具体型号）

在这个例子中我只关心每个品牌有多少。

玩具数据集和想要的输出：

df <- data.table(Quarter = c('Q4', 'Q4', 'Q4', 'Q4', 'Q3'),
                 GroupID = c(010203, 150503, 010101, 150609, 010000),
                 Name = c('AAAA', 'AAAA', 'BBBB', 'BBBB', 'CCCC'))

输出：

Quarter     Group     Counts
Q3          01        1
Q4          01        2
Q4          15        2

【问题讨论】：

标签： r grouping hierarchy

【解决方案1】：

使用data.table 我们可以做到：

library(data.table)

dt[, Group := substr(GroupID, 1, 2)][
   , Counts := .N, by = list(Group, Quarter)][
   , head(.SD, 1), by = .(Quarter, Group, Counts)][
   , .(Quarter, Group, Counts)]

   Quarter Group Counts
1:      Q4    01      2
2:      Q4    15      2
3:      Q3    01      1

使用dplyr 和stringr，我们可以这样做：

library(dplyr)
library(stringr)

df %>% 
  mutate(Group = str_sub(GroupID, 1, 2)) %>% 
  group_by(Group, Quarter) %>% 
  summarise(Counts = n()) %>% 
  ungroup()

# A tibble: 3 x 3
  Group Quarter Counts
  <chr> <fct>    <int>
1 01    Q3           1
2 01    Q4           2
3 15    Q4           2

【讨论】：

【解决方案2】：

既然你已经在使用data.table，你可以这样做：

df[, Group := substr(GroupID,1,2)]
df <- df[,Counts := .N, .(Group,Quarter)][,.(Group, Quarter, Counts)]
df <- unique(df)
print(df)

   Group Quarter Counts
1:    10      Q4      2
2:    15      Q4      2
3:    10      Q3      1

【讨论】：

【解决方案3】：

这是我使用plyr 和base R 的简单解决方案，速度很快。

library(plyr)
df$breakid <- as.character((substr(df$GroupID, start =0 , stop = 2)))
d <- plyr::count(df, c("Quarter", "breakid"))

结果

 Quarter breakid freq
      Q3      01    1
      Q4      01    2
      Q4      15    2

【讨论】：

【解决方案4】：

或者，使用tapply（和data.table索引）：

df$Brand <- substr(df$GroupID, 1, 2)
tapply(df$Brand, df[, .(Quarter, Brand)], length)

（如果您不关心输出是矩阵）。

【讨论】：