R: group_by 在 dplyr 中的应用答案

【问题标题】：R: Application of group_by in dplyrR: group_by 在 dplyr 中的应用
【发布时间】：2016-04-10 17:58:43
【问题描述】：

我刚开始使用 dplyr，遇到以下两个问题，用group_by 应该很容易解决，但我不明白。我的数据如下所示：

data <- data.frame(cbind("year" = c(2010, 2010, 2010, 2011, 2012, 2012, 2012, 2012),
                     "institution" = c("a", "a", "b", "a", "a", "a", "b", "b"),
                     "branch.num" = c(1, 2, 1, 1, 1, 2, 1, 2)))

data
#  year institution branch.num
#1 2010           a          1
#2 2010           a          2
#3 2010           b          1
#4 2011           a          1
#5 2012           a          1
#6 2012           a          2
#7 2012           b          1
#8 2012           b          2

数据是层次结构的：一个机构最高层可以有多个分支机构，从1开始编号。

问题 1：我想选择只包含分支机构的行，每年都有一个值，即示例数据中只有机构 a 的分支机构 1，所以选择应该是第 1、4 和 5 行。

Pronlem 2：我想知道一个机构多年来的平均分支机构数量。这就是机构 a (2+1+2)/3 = 1.67 和机构 b (1+0+2)/3 = 1 的示例。

【问题讨论】：

标签： r group-by dplyr

【解决方案1】：

这是一种解决方案：

问题 #1：

library(dplyr)
nYears <- n_distinct(data$year)
data %>% group_by(institution, branch.num) %>% filter(n_distinct(year) == nYears)
Source: local data frame [3 x 3]
Groups: institution, branch.num [1]

    year institution branch.num
  (fctr)      (fctr)     (fctr)
1   2010           a          1
2   2011           a          1
3   2012           a          1

问题 #2：

data %>% group_by(institution, year) %>% summarise(nBranches = n_distinct(branch.num)) %>% ungroup() %>% group_by(institution) %>% summarise(meanBranches = sum(nBranches)/nYears)
Source: local data frame [2 x 2]

  institution meanBranches
       (fctr)        (dbl)
1           a     1.666667
2           b     1.000000

【讨论】：