如何计算因子频率并在 R 中的新数据框中进行组织

Question

我有这样一个数据框：

test1 = data.frame("id" = c("FC01", "FC01", "FC22", "FC03", "FC01"),
                    "product" = c("p01", "p02", "p03", "p01", "p03"),
                    "year" = c("2018", "2017", "2015", "2018", "2016"))

我需要找到在 2016 年到 2018 年之间购买的不止一次出现的 ID，并知道他们购买了哪些产品以及哪一年。是否可以创建一个新的数据框来显示 id 以及它们出现的次数以及发生的时间？像这样：

test2 = data.frame("times" = c(3, 1), "id" = c("FC01", "FC03"),
                   "year" = c("2018, 2017, 2016", "2018"))

我用了dplyr，尝试按id分组，过滤每一个出现不止一次的id，但不知道如何继续得到类似这样的test2。我很欣赏这方面的任何提示。

Answer 1

test1$year <- as.numeric(as.character(test1$year))

test1 %>% filter(between(year,2016,2018))
      %>% group_by(id)
      %>% summarize(times = n(),
          year = toString(unique(year)))


  id    times year          
  <fct> <int> <chr>         
1 FC01      3 2018 2017 2016
2 FC03      1 2018

备注：

获取times列很容易，我们只需使用效用函数dplyr::n()。
对于年份的（唯一）字符串名称的粘贴列表，方法与 this answer 相同。 toString(...) 比 paste0(as.character(...), collapse=' ')
请注意，我们必须使用 unique(year)，因为同一年您可能有多个条目。
为了能够 filter(between(year, 2016, 2018))，我们必须首先将 year 修正为数字，而不是因子（或者至少，确保因子水平也是 2015..2018这样直接做 as.numeric() 就可以按预期工作，而不是给出 1..4

如何计算因子频率并在 R 中的新数据框中进行组织

How to count factors frequency and organize in a new dataframe in R

r

dataframe

dplyr

r-factor

summarize