仅使用开始和结束年份数据的每年计数答案

【问题标题】：Count per year with only start and end year data仅使用开始和结束年份数据的每年计数
【发布时间】：2019-08-01 15:55:08
【问题描述】：

我想在ggplot2 中创建一个包含 350 家啤酒厂的折线图。我想计算每年有多少活跃的啤酒厂。我只有啤酒厂活动的开始和结束日期。 tidyverse 首选答案。

begin_datum_jaar 是啤酒厂成立的年份。 eind_datum_jaar 是啤酒厂结束的年份。

示例数据框：

library(tidyverse)

# A tibble: 4 x 3
  brouwerijnaam begin_datum_jaar eind_datum_jaar
  <chr>                    <int>           <int>
1 Brand                     1340            2019
2 Heineken                  1592            2019
3 Grolsche                  1615            2019
4 Bavaria                   1719            2010

输入：

df <- structure(list(brouwerijnaam = c("Brand", "Heineken", "Grolsche", 
"Bavaria"), begin_datum_jaar = c(1340L, 1592L, 1615L, 1719L), 
    eind_datum_jaar = c(2019L, 2019L, 2019L, 2010L)), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -4L))

etc. 是占位符的所需输出。

# A tibble: 13 x 2
   year      n
   <chr> <dbl>
 1 1340      1
 2 1341      1
 3 1342      1
 4 1343      1
 5 etc.      1
 6 1592      2
 7 1593      2
 8 etc.      2
 9 1625      3
10 1626      3
11 1627      3
12 1628      3
13 etc.      3

【问题讨论】：

标签： r ggplot2

【解决方案1】：

可以试试：

library(tidyverse)

df %>%
  rowwise %>%
  do(data.frame(brouwerij = .$brouwerijnaam,
                Year = seq(.$begin_datum_jaar, .$eind_datum_jaar, by = 1))) %>%
  count(Year, name = "Active breweries") %>%
  ggplot(aes(x = Year, y = `Active breweries`)) + 
  geom_line() +
  theme_minimal()

或者在第一部分尝试expand：

df %>%
  group_by(brouwerijnaam) %>%
  expand(Year = begin_datum_jaar:eind_datum_jaar) %>%
  ungroup() %>%
  count(Year, name = "Active breweries")

但是，请注意 rowwise、do 或 expand 部分是资源密集型的，可能需要很长时间。如果发生这种情况，我宁愿使用data.table 来扩展数据框，然后继续，如下所示：

library(data.table)
library(tidyverse)

df <- setDT(df)[, .(Year = seq(begin_datum_jaar, eind_datum_jaar, by = 1)), by = brouwerijnaam]

df %>%
  count(Year, name = "Active breweries") %>%
  ggplot(aes(x = Year, y = `Active breweries`)) + 
  geom_line() +
  theme_minimal()

以上内容直接为您提供了情节。如果您想先将其保存到数据框中（然后执行 ggplot2 的操作），这是主要部分（我使用 data.table 进行扩展，因为根据我的经验，它的速度要快得多）：

library(data.table)
library(tidyverse)

df <- setDT(df)[
  , .(Year = seq(begin_datum_jaar, eind_datum_jaar, by = 1)), 
  by = brouwerijnaam] %>%
  count(Year, name = "Active breweries")

输出：

# A tibble: 680 x 2
    Year `Active breweries`
   <dbl>              <int>
 1  1340                  1
 2  1341                  1
 3  1342                  1
 4  1343                  1
 5  1344                  1
 6  1345                  1
 7  1346                  1
 8  1347                  1
 9  1348                  1
10  1349                  1
# ... with 670 more rows

【讨论】：

【解决方案2】：

我们可以使用map2获取每个对应元素从开始到结束日期的序列，unnest扩展list列并使用count获取“年”的频率

library(tidyverse)
df %>% 
   transmute(year = map2(begin_datum_jaar, eind_datum_jaar, `:`)) %>%
   unnest %>%
   count(year)
# A tibble: 680 x 2
#    year     n
#   <int> <int>
# 1  1340     1
# 2  1341     1
# 3  1342     1
# 4  1343     1
# 5  1344     1
# 6  1345     1
# 7  1346     1
# 8  1347     1
# 9  1348     1
#10  1349     1
# … with 670 more rows

或者使用来自base R的Map

table(unlist(do.call(Map, c(f = `:`, df[-1]))))

【讨论】：

【解决方案3】：

  df1 <- data.frame(year=1000:2020) # Enter range for years of choice

  df1 %>% 
  rowwise()%>% 
  mutate(cnt=nrow(df %>% 
                    filter(begin_datum_jaar<year & eind_datum_jaar>year) 
                  )
         )

【讨论】：