在R中聚合具有不同类别列的数据答案

【问题标题】：Aggregating data with different categories of a column in R在R中聚合具有不同类别列的数据
【发布时间】：2020-09-11 14:57:27
【问题描述】：

我正在处理这些数据，其中学生列表 (ID) 与他们最喜欢的运动相关联，这些运动只能从 7 种不同的运动中选择。对于一个唯一 ID，可能有不止一项喜爱的运动。以下是它的快照。

 ID    Sports
  1    Soccer
  2    Basketball
  3    Tennis
  1    Basketball
  4    Soccer
  2    Hockey
  3    Basketball
  5    Soccer
  6    Rafting
  2    surfing
  1    Hockey
  6    Soccer
  7    Tennis

我需要创建一个数据，显示每个学生 (ID) 喜欢的不同运动的数量，并显示这些运动，一些结果如下：

 ID           count                  All Favourite Sports
 1               3                   Soccer, Basketball,Hockey 
 2               3                   Basketball,Hockey,surfing
 3               2                   Tennis, Basketball
 4               1                   Soccer  
 5               1                   Soccer
 6               2                   Rafting, Soccer
 7               1                   Tennis

【问题讨论】：

标签： r count aggregate

【解决方案1】：

您可以使用dplyr 包和以下代码完成此任务。请注意，data 应该是您问题中 data.frame 的名称：

> data %>% group_by(ID) %>% 
+     summarize(count = n_distinct(Sports),
+               all_sports = toString(Sports)) %>%
+     ungroup()

# A tibble: 7 x 3
     ID count all_sports                 
  <int> <int> <chr>                      
1     1     3 Soccer, Basketball, Hockey 
2     2     3 Basketball, Hockey, surfing
3     3     2 Tennis, Basketball         
4     4     1 Soccer                     
5     5     1 Soccer                     
6     6     2 Rafting, Soccer            
7     7     1 Tennis

【讨论】：

【解决方案2】：

你可以尝试另一种方式

library(dplyr)
df %>% 
  group_by(ID) %>% 
  transmute(ID, count = n(), `All Favourite Sports` = paste(unique(Sports), collapse = ", ")) %>% 
  slice(1) %>% 
  ungroup()

#       ID count `All Favourite Sports`     
#     <int> <int> <chr>                      
# 1     1     3   Soccer, Basketball, Hockey 
# 2     2     3   Basketball, Hockey, surfing
# 3     3     2   Tennis, Basketball         
# 4     4     1   Soccer                     
# 5     5     1   Soccer                     
# 6     6     2   Rafting, Soccer            
# 7     7     1   Tennis

【讨论】：