在分组、汇总和评估 TRUE 条件后改变新列

Question

我想在分组和评估行条件后创建下面的output 数据框。当我对数据框进行分组和汇总时，我可以看到福特的三个实例可以概括为：福特、1 辆 SUV 和 2 辆卡车。同理，Honda可以概括为Honda、2 Sedan，而Toyota可以概括为Toyota、1 Electric、1 Truck。此外，还需要汇总分组后的实例数。所以就福特来说，它出现了 3 次，本田出现了 2 次，丰田出现了 2 次。 我只对 Make 出现多次的情况感兴趣，因此 Kia 和 Nissan 在此集合中不相关，也不会显示在输出中。我计划在数据框列表上使用它的一种函数形式。这不是 100% 必要的，因为如果它没有以那种格式呈现，我可以将它放入一个函数中。

在：

structure(list(Set = c(1, 1, 1, 1, 1, 1, 1, 1, 1), Make = structure(c(1L, 
2L, 5L, 1L, 4L, 2L, 5L, 3L, 1L), .Label = c("Ford", "Honda", 
"Kia", "Nissan", "Toyota"), class = "factor"), Line = structure(c(5L, 
3L, 5L, 4L, 1L, 3L, 2L, 3L, 5L), .Label = c("CSUV", "Electric", 
"Sedan", "SUV", "Truck"), class = "factor")), class = "data.frame", row.names = c(NA, 
-9L))

>
  Set   Make     Line
1   1   Ford    Truck
2   1  Honda    Sedan
3   1 Toyota    Truck
4   1   Ford      SUV
5   1 Nissan     CSUV
6   1  Honda    Sedan
7   1 Toyota Electric
8   1    Kia    Sedan
9   1   Ford    Truck

in %>% dplyr::group_by(Set,Make,Line) %>% dplyr::summarise(n = n()) %>% dplyr::arrange(Make)

# A tibble: 7 x 4
# Groups:   Set, Make [5]
    Set Make   Line         n
  <dbl> <fct>  <fct>    <int>
1     1 Ford   SUV          1
2     1 Ford   Truck        2
3     1 Honda  Sedan        2
4     1 Kia    Sedan        1
5     1 Nissan CSUV         1
6     1 Toyota Electric     1
7     1 Toyota Truck        1

输出：

structure(list(Set = c(1, 1, 1), Groups = structure(1:3, .Label = c("Ford_1Suv_2Truck", 
"Honda_1Sedan_1Van", "Toyota_1Electric_1Truck"), class = "factor"), 
    TotalInstances = structure(c(2L, 1L, 1L), .Label = c("2", 
    "3"), class = "factor")), class = "data.frame", row.names = c(NA, 
-3L))

> 
  Set              Groups Cases
1   1    Ford_1Suv_2Truck     3
2   1        Honda_2Sedan     2
3   1 Toyota_1Electric_1Truck 2

Answer 1

使用summarise 和arrangeing 获得计数后，filter 基于计数列'n'的行或删除最后一组后的新计数，然后通过粘贴summarise (str_c ) 'n', 'Line' 列，获取'n' 的sum 来创建'Cases'

library(dplyr)
library(stringr)
in %>% 
    dplyr::group_by(Set, Make, Line) %>%
    dplyr::arrange(Make) %>% 
    dplyr::summarise(Groups = str_c(n, Line, sep="", 
        collapse="_"), Cases = sum(n)) %>% 
    filter(n > 1) %>%        
    ungroup %>% 
    transmute(Set, Groups = str_c(Make, '_', Groups), Cases)

-输出

# A tibble: 3 x 3
#    Set Groups                  Cases
#  <dbl> <chr>                   <int>
#1     1 Ford_1SUV_2Truck            3
#2     1 Honda_2Sedan                2
#3     1 Toyota_1Electric_1Truck     2

---

我们可以通过 data.table 加快速度

library(data.table)
indt <- setDT(in)[, .(n = .N), .(Set, Make, Line)][order(Make)]
indt1 <- indt[indt[, .I[.N > 1|n > 1], .(Set, Make)]$V1] 
indt1[, .(Groups = paste0(n, Line, sep="", collapse="_"), Cases = sum(n)), .(Set, Make)][, Groups := str_c(Make, "_", Groups)]