dplyr + group_by 并避免按字母排序答案

【问题标题】：dplyr + group_by and avoid alphabetical sortingdplyr + group_by 并避免按字母排序
【发布时间】：2015-09-12 10:11:20
【问题描述】：

我有以下数据：

    data <- structure(list(user = c(1234L, 1234L, 1234L, 1234L, 1234L, 1234L, 
1234L, 1234L, 1234L, 1234L, 1234L, 4758L, 4758L, 9584L, 9584L, 
9584L, 9584L, 9584L, 9584L), time = c(1L, 2L, 3L, 4L, 5L, 6L, 
7L, 8L, 9L, 10L, 11L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L), fruit = structure(c(1L, 
6L, 1L, 1L, 6L, 5L, 5L, 3L, 4L, 1L, 2L, 4L, 2L, 1L, 6L, 5L, 5L, 
3L, 2L), .Label = c("apple", "banana", "lemon", "lime", "orange", 
"pear"), class = "factor"), count = c(1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), cum_sum = c(1L, 
2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 1L, 2L, 1L, 2L, 3L, 
4L, 5L, 6L)), .Names = c("user", "time", "fruit", "count", "cum_sum"
), row.names = c(NA, -19L), class = "data.frame")

对于这个集合中的每个用户，我想看看随着时间的推移水果的顺序。但是，有些水果会及时“背靠背”列出。

   user time  fruit count cum_sum
1  1234    1  apple     1  1
2  1234    2   pear     1  2
3  1234    3  apple     1  3
4  1234    4  apple     1  4
5  1234    5   pear     1  5
6  1234    6 orange     1  6
7  1234    7 orange     1  7

我正在寻找的更多的是由 unique 水果按用户划分的时间序列。

问题是，如果我按用户和水果分组然后总结，dplyr 会自动按字母顺序对水果进行排序：

data %>% 
    group_by(user, fruit) %>%
    summarise(temp_var=1) %>%
    mutate(cum_sum = cumsum(temp_var))

我真正想要的是，对于上面的用户 1234（例如），按照时间序列的顺序列出水果，但删除所有重复项。所以我们看到苹果 > 梨 > 苹果 > 苹果 > 梨 > 橙 > 橙，我们只会看到苹果 > 梨 > 苹果 > 梨 > 橙

【问题讨论】：

您的dput 不起作用，因为它有vars=list(user) 而我们没有user。
哎呀，很抱歉 - 修复了 dput
你想要的输出将梨的time从5修改为4
那么这里的计数是什么意思？你在数什么吗？
好的，我更新了预期的结果，因为我认为我粘贴的代码 sn-p 令人困惑。我想要的只是根据时间对每个用户和水果的数据框进行排序。但是，如果它们是背靠背的，我想从该时间序列中删除任何重复的水果（即第 6 行和第 7 行有橙色 > 橙色；我只想将其作为橙色的一个实例）

标签： r dplyr

【解决方案1】：

根据您的示例，这可能会有所帮助：

data %>%
group_by(user) %>%
filter(c(T,fruit[-1L] != fruit[-length(fruit)])) %>%
mutate(cum_sum = cumsum(count),
     time = seq_along(count))
# Source: local data frame [16 x 5]
# Groups: user
#
#    user time  fruit count cum_sum
# 1  1234    1  apple     1       1
# 2  1234    2   pear     1       2
# 3  1234    3  apple     1       3
# 4  1234    4   pear     1       4
# 5  1234    5 orange     1       5
# 6  1234    6  lemon     1       6
# 7  1234    7   lime     1       7
# 8  1234    8  apple     1       8
# 9  1234    9 banana     1       9
# 10 4758    1   lime     1       1
# 11 4758    2 banana     1       2
# 12 9584    1  apple     1       1
# 13 9584    2   pear     1       2
# 14 9584    3 orange     1       3
# 15 9584    4  lemon     1       4
# 16 9584    5 banana     1       5

【讨论】：

我注意到了。我正在尝试在 dplyr 管道内建立索引，但尚未成功。
可能是filter？ dplyr 也有 lead 和 lag 可能对检查更改很有用。

【解决方案2】：

因此，在 CRAN 上使用最新 data.table 版本中的 rleid 函数，我们可以简单地做到（虽然不确定您想要的确切输出）

library(data.table) ## v >= 1.9.6
res <- setDT(data)[, .(fruit = fruit[1L]), by = .(user, indx = rleid(fruit))
                    ][, cum_sum := seq_len(.N), by = user
                      ][, indx := NULL]
res
#     user  fruit cum_sum
#  1: 1234  apple       1
#  2: 1234   pear       2
#  3: 1234  apple       3
#  4: 1234   pear       4
#  5: 1234 orange       5
#  6: 1234  lemon       6
#  7: 1234   lime       7
#  8: 1234  apple       8
#  9: 1234 banana       9
# 10: 4758   lime       1
# 11: 4758 banana       2
# 12: 9584  apple       1
# 13: 9584   pear       2
# 14: 9584 orange       3
# 15: 9584  lemon       4
# 16: 9584 banana       5

【讨论】：

【解决方案3】：

你可以使用group_indices来处理这种情况：

data %>% 
  filter(group_indices_(., .dots = c("user", "fruit")) != 
           lag(group_indices_(., .dots = c("user", "fruit")), default = 0)) %>%
  group_by(user) %>%
  mutate(cum_sum = row_number())

以与rleid 类似的方式，它为每个组生成一个唯一的ID。您基本上使用lag() 过滤掉与前一个具有相同 id 的所有值。

#Source: local data frame [16 x 3]
#Groups: user
#
#   user  fruit cum_sum
#1  1234  apple       1
#2  1234   pear       2
#3  1234  apple       3
#4  1234   pear       4
#5  1234 orange       5
#6  1234  lemon       6
#7  1234   lime       7
#8  1234  apple       8
#9  1234 banana       9
#10 4758   lime       1
#11 4758 banana       2
#12 9584  apple       1
#13 9584   pear       2
#14 9584 orange       3
#15 9584  lemon       4
#16 9584 banana       5

【讨论】：