R根据两列按组计算不同的元素答案

【问题标题】：R count distinct elements based on two columns by groupR根据两列按组计算不同的元素
【发布时间】：2018-08-15 23:53:11
【问题描述】：

我基本上有这个数据，但更大：

我想计算 (customer_id, account_id) 的不同组合的数量 - 即基于两列的不同或唯一值，但针对每个 start_date。我在任何地方都找不到解决方案。结果应该是添加到我的 data.table 中的另一列，应该如下所示：

也就是说，对于每个 start_date，它会根据 customer_id 和 account_id 计算不同值的数量。

例如，对于 start_date 等于 2.2.2018，我在 (customer_id,account_id) 中有不同的组合是 (4,22) (5,38) 和 (6,13)，所以我希望计数等于3 因为我有 3 种不同的组合。我还需要使用 customer_id 和 account_id 列中的字符值的解决方案。

复制数据的代码：

customer_id <- c(1,1,1,2,3,3,4,5,5,6)
account_id <- c(11,11,11,11,55,88,22,38,38,13)
start_date <- c(rep(as.Date("2017-01-01","%Y-%m-%d"),each=6),rep(as.Date("2018-02-02","%Y-%m-%d"),each=4))

data <- data.table(customer_id,account_id,start_date)

【问题讨论】：

请不要发数据图片，使用head(dput(...))发布实际数据。
R 术语将是 “添加计数列，显示每个 start_date 的（customer_id，account_id）不同组合的计数”
重复，至少对于 data.table 方法：Count number of unique rows based on two columns, by group，使用DT[, count:=uniqueN(.SD) ...

标签： r

【解决方案1】：

另一个dplyr 选项：

library(dplyr)
customer_id <- c(1,1,1,2,3,3,4,5,5,6)
account_id <- c(11,11,11,11,55,88,22,38,38,13)
start_date <- c(rep(as.Date("2017-01-01","%Y-%m-%d"),each=6),rep(as.Date("2018-02- 
02","%Y-%m-%d"),each=4))

data <- data.frame(customer_id,account_id,start_date)

data %>%
  group_by(start_date)%>%
  mutate(distinct_values = n_distinct(customer_id, account_id)) %>%
  ungroup()

【讨论】：

【解决方案2】：

dplyr 选项

customer_id <- c(1,1,1,2,3,3,4,5,5,6)
account_id <- c(11,11,11,11,55,88,22,38,38,13)
start_date <- c(rep(as.Date("2017-01-01","%Y-%m-%d"),each=6),rep(as.Date("2018-02- 
02","%Y-%m-%d"),each=4))

data <- data.frame(customer_id,account_id,start_date)

data %>% 
  group_by(start_date, customer_id, account_id) %>% 
  summarise(Total = 1) %>% 
  group_by(start_date) %>% 
  summarise(Count =n())

【讨论】：

【解决方案3】：

这是一个data.table 选项

data[, N := uniqueN(paste0(customer_id, account_id, "_")), by = start_date]
#    customer_id account_id start_date N
# 1:           1         11 2017-01-01 4
# 2:           1         11 2017-01-01 4
# 3:           1         11 2017-01-01 4
# 4:           2         11 2017-01-01 4
# 5:           3         55 2017-01-01 4
# 6:           3         88 2017-01-01 4
# 7:           4         22 2018-02-02 3
# 8:           5         38 2018-02-02 3
# 9:           5         38 2018-02-02 3
#10:           6         13 2018-02-02 3

或者

data[, N := uniqueN(.SD, by = c("customer_id", "account_id")), by = start_date]

【讨论】：

非常感谢，这很好用！我能问一下为什么paste0函数中需要“_”吗？
@doremi 在第一个解决方案中，我们连接来自customer_id 和account_id 的条目；用"_" 分隔条目确保我们可以区分"1_11" 和"11_1"。如果没有"_"，两者都会变成"111"。我希望这有助于解决问题:-)