每组每个日期计算新值答案

【问题标题】：count new values per date per group每组每个日期计算新值
【发布时间】：2019-08-13 16:10:30
【问题描述】：

假设我有以下数据集

Date      Group    Value
01-01-19  A        X
01-01-19  A        Y
01-01-19  A        Z
02-01-19  A        X
02-01-19  A        Y
02-01-19  A        Z
02-01-19  A        W
01-01-19  B        X
01-01-19  B        Y
01-01-19  B        Z
02-01-19  B        X
02-01-19  B        X
02-01-19  B        Z
02-01-19  B        V

所以有两个组和两个日期。我想查看每个组和每个日期哪些值是新的。

生成的数据框应如下所示

group    date      new_values
A        01-01-19  3 
A        02-01-19  1
B        01-01-19  3
B        02-01-19  1

最终，我只计算了每组每个日期的值数并取了差值。但这并没有考虑自上一个日期以来已经消失的值。我不知道该怎么做。或许data.table 包可以带来释放

【问题讨论】：

标签： r dplyr data.table aggregation

【解决方案1】：

rowid 函数计算列组合的出现次数，从 1 开始：

library(data.table)
setDT(DT)

DT[, new := rowid(Group, Value) == 1L]
DT[, .(n_new = sum(new)), by=.(Group, Date)]
#    Group     Date n_new
# 1:     A 01-01-19     3
# 2:     A 02-01-19     1
# 3:     B 01-01-19     3
# 4:     B 02-01-19     1

【讨论】：

【解决方案2】：

一种可能性：

library(dplyr)

df %>%
  arrange(Date = as.Date(Date, "%d-%m-%y")) %>%
  group_by(Group, Value) %>%
  mutate(New = row_number()) %>%
  group_by(Group, Date) %>%
  summarise(New = sum(New == 1))

输出：

# A tibble: 4 x 3
# Groups:   Group [2]
  Group Date       New
  <fct> <fct>    <int>
1 A     01-01-19     3
2 A     02-01-19     1
3 B     01-01-19     3
4 B     02-01-19     1

以上假设您的日期格式为day-month-year；如果不是这种情况，您只需将"%d-%m-%y" 更改为"%m-%d-%y"。

【讨论】：

【解决方案3】：

使用dplyr，我们可以首先使用group_byGroup 并创建一个列(orig)，如果它在组中第一次出现，则该列将是TRUE。然后我们group_byGroup和Date统计这些原始值的个数。

library(dplyr)

df %>%
  group_by(Group) %>%
  mutate(orig = !duplicated(Value)) %>%
  group_by(Group, Date) %>%
  summarise(new_values = sum(orig))

#  Group     Date     new_values
#   <fct> <fct>         <int>
#1   A     01-01-19          3
#2   A     02-01-19          1
#3   B     01-01-19          3
#4   B     02-01-19          1

【讨论】：

【解决方案4】：

library(data.table)

dt <- data.table(read.table(text="
01-01-19,A,X
01-01-19,A,Y
01-01-19,A,Z
02-01-19,A,X
02-01-19,A,Y
02-01-19,A,Z
02-01-19,A,W
01-01-19,B,X
01-01-19,B,Y
01-01-19,B,Z
02-01-19,B,X
02-01-19,B,X
02-01-19,B,Z
02-01-19,B,V
",sep=",",strip.white = TRUE))

setnames(dt,c("date","group","value"))

一种解决方案是按组查找唯一值。然后按组和日期对唯一值求和。

##     > dt[,dup:=!duplicated(value),.(group)][,sum(dup),.(group,date)]
## group     date V1
## 1:     A 01-01-19  3
## 2:     A 02-01-19  1
## 3:     B 01-01-19  3
## 4:     B 02-01-19  1

【讨论】：