在数据帧中添加新列计数来自另一个数据帧的行答案

【问题标题】：Adding new column in dataframe counting rows from another dataframe在数据帧中添加新列计数来自另一个数据帧的行
【发布时间】：2019-06-22 09:21:45
【问题描述】：

已在论坛上搜索解决方案，但找不到。

我在一个数据框 (df1) 中有公司财务数据，在另一个数据框 (df2) 中有收购数据。数据格式如下。

df1 <- data.frame(ID=c('111111','111111', '222222', '333333', '444444'),
              year=c(2010, 2011, 2010, 2011, 2011))
df2 <- data.frame(ID=c('111111', '111111', '111111', '111111', '333333'),
              year=c(2010,2010,2010,2011,2011))´

我的目标是在 df1 中创建一个新列，其值计算 df2 中与 df1 中行的 ID 和年份匹配的每个观察值。我需要一个变量来计算每家公司每年进行的收购数量。以下是所需的输出。

#output should look like following in df1
# ID      year  count of observations in df2 per year
# 111111  2010  3
# 111111  2011  1
# 222222  2010  0
# 333333  2011  1
# 444444  2011  0

我确实尝试过想出一个解决方案，但还不够接近。希望有人能解决这个问题。

提前谢谢你！

【问题讨论】：

标签： r

【解决方案1】：

可能最好的方法是使用left_join，您只需将NA更改为0：

df1 <- data.frame(ID=c('111111','111111', '222222', '333333', '444444'),
                  year=c(2010, 2011, 2010, 2011, 2011))
df2 <- data.frame(ID=c('111111', '111111', '111111', '111111', '333333'),
                  year=c(2010,2010,2010,2011,2011))

library(tidyverse)

df2 %>% count(ID, year) -> summ_df2

df1 %>% left_join(summ_df2)
#> Joining, by = c("ID", "year")
#> Warning: Column `ID` joining factors with different levels, coercing to
#> character vector
#>       ID year  n
#> 1 111111 2010  3
#> 2 111111 2011  1
#> 3 222222 2010 NA
#> 4 333333 2011  1
#> 5 444444 2011 NA

^{由reprex package (v0.2.1) 于 2019 年 1 月 29 日创建}

一链操作 添加了@Ronak Shah 的以下评论

df1 <- data.frame(ID=c('111111','111111', '222222', '333333', '444444'),
                  year=c(2010, 2011, 2010, 2011, 2011))
df2 <- data.frame(ID=c('111111', '111111', '111111', '111111', '333333'),
                  year=c(2010,2010,2010,2011,2011))

library(tidyverse)

df2 %>% 
 count(ID, year) %>% 
 right_join(df1) %>% 
 replace_na(list(n = 0))

#> Joining, by = c("ID", "year")
#> Warning: Column `ID` joining factors with different levels, coercing to
#> character vector
#> # A tibble: 5 x 3
#>   ID      year     n
#>   <chr>  <dbl> <dbl>
#> 1 111111  2010     3
#> 2 111111  2011     1
#> 3 222222  2010     0
#> 4 333333  2011     1
#> 5 444444  2011     0

^{由reprex package (v0.2.1) 于 2019 年 1 月 29 日创建}

【讨论】：

谢谢，这很有帮助。但是，似乎仅此代码不会将新列“n”添加到数据框 df1。有没有快速的解决方案？
考虑阅读 left_join 和 right_join 文档。在第一个示例中，left_join 函数保留 df1 中的所有值并添加仅存在于 df2 中的列“n”。在“单链解决方案”中，诀窍是使用 right_join 也保留 df1 并添加“n”列。您不能简单地将 n 列添加到 df1，因为 df1 中不存在某些值。
" 您不能简单地将 n 列添加到 df1，因为 df1 中不存在一些值"
实际上，您正在 df1 中创建一个具有相同值的 data.frame 并添加一个新列“n”，这与在 df1 中创建一个“n”列相同...
如果您认为您的问题已经解决，请检查是否已回答:)

【解决方案2】：

非 tidyverse 解决方案。我知道这似乎比tidyverse 更复杂，只是为了各种选择而分享它。

df1 <- data.frame(ID=c('111111','111111', '222222', '333333', '444444'),
                  year=c(2010, 2011, 2010, 2011, 2011))

df2 <- data.frame(ID=c('111111', '111111', '111111', '111111', '333333'),
                  year=c(2010,2010,2010,2011,2011))


df1$key <- paste(df1$ID,df1$year,sep = "_")

df2$key <- paste(df2$ID,df2$year,sep = "_")


df1$count_of_year <- unlist(lapply(df1$key,function(x) {sum(df2$key %in% x)}))

df1 <- df1[,c(1,2,4)]

df1
#>       ID year count_of_year
#> 1 111111 2010             3
#> 2 111111 2011             1
#> 3 222222 2010             0
#> 4 333333 2011             1
#> 5 444444 2011             0

^{由reprex package (v0.2.1) 于 2019 年 1 月 29 日创建}

【讨论】：