在 R 中分组、汇总、MAX 和计数答案

【问题标题】：Group by, Summarize, MAX, and count in R在 R 中分组、汇总、MAX 和计数
【发布时间】：2017-11-01 21:36:04
【问题描述】：

以下是我想要通过更新记录的最新更改并采用 SUB_NO 和 LOAN 列的 groupby 来合并的数据。

SUB_NO  ON_DATE ST_DATE ND_DATE N_SEQ_NO    E_SEQ_NO    N_CODE  ACTV_AMT    L_SEQ_NO    FEATURE_CODE    LOAN      
123     7/19/17 6/18/17 7/17/17 916       16           O         15.63    153         INSTALLMENT     152       
123     8/21/17 7/18/17 8/17/17 916       16           O         15.63    154         INSTALLMENT     152      
124     6/20/17 5/18/17 6/17/17 916       17           O         15.63    152         OTHER           153

预期输出：

SUB_NO  ON_DATE ST_DATE ND_DATE N_SEQ_NO    E_SEQ_NO    N_CODE  ACTV_AMT    L_SEQ_NO    FEATURE_CODE    LOAN    COUNT  
123     8/21/17 6/18/17 8/17/17 916       16           O         15.63    154         INSTALLMENT     152       2
124     6/20/17 5/18/17 6/17/17 916       17           O         15.63    152         OTHER           153       0


library(dplyr)
df1 <- df %>% 
  filter(FEATURE_CODE == "INSTALLMENT")  %>%
  group_by(SUB_NO,LOAN) %>%
  slice(which.max(as.Date(ON_DATE, '%m/%d/%Y'))) %>%
  slice(which.max(as.Date(ND_DATE, '%m/%d/%Y'))) %>%
  slice(which.max(L_SEQ_NO)) %>%
  summarize(COUNT = n())

我得到的输出是：

LOAN COUNT
152  2

谁能帮我获得所需的输出？

我的主要目标是针对每个 SUB_NO，它由涉及 INSTALLMENT 的具有不同 FEATURE_CODE 的多个事务组成。我想确定 INSTALLMENT 事务的计数并将数据合并到 1 条记录中，其中 INSTALLMENT 特征代码具有初始开始日期和最近的更新日期。

【问题讨论】：

首先：如果您过滤FEATURE_CODE == "INSTALLMENT"，您将不会在输出中获得SUB_NO = 124（其中FEATURE_CODE = OTHER）的行。
@neilfws 我不担心安装以外的记录。如果它们保持原样并在计数列中填充 NA 就可以了。
也不清楚为什么第二个计数应该是0。不应该是1吗？
去掉filter这一行，因为你想保留你的OTHER特征码。如果您希望摘要仅计算 INSTALLMENT 功能代码，而不是 COUNT = n()，请使用 COUNT = sum(FEATURE_CODE == INSTALLMENT)。
您可以随时在sum() 中添加na.rm = T。

标签： r dplyr

【解决方案1】：

正如@gregor 所指出的，举个例子会更有用。这是我理解你想要的：

FEATURE_CODE = INSTALLMENT的子集数据
按SUB_NO和LOAN对所有记录进行分组
合并第 2 步中的记录，以便最终数据集包含单个条目的最新 ON_DATE、ND_DATE 和初始 ST_DATE（在第 2 步中分组）。

我建议使用data.table 方法，根据我的经验，这种方法更干净、更快捷。

我使用as.Date 将日期转换为date 类的对象：

dat$ST_DATE <- as.Date(dat$ST_Date)

然后使用以下代码：

dat[FEATURE_CODE == "INSTALLMENT", .(ON_DATE = max(ON_DATE), 
                                     ST_DATE = min(ST_DATE), 
                                     ND_DATE = max(ND_DATE)), 
    by = .(SUB_NO, LOAN)]

输出是：

   SUB_NO LOAN    ON_DATE    ST_DATE    ND_DATE
1:    123  152 2017-08-21 2017-06-18 2017-08-17

满足要求 1、2 和 3。

您可以将其他变量添加到上面的第二个列表中，以执行您可能需要的任何其他操作。希望这有帮助！

【讨论】：