使用 Tidyr/Dplyr 来汇总字符串组的计数

Question

我需要总结分配给组的字符串的数量，我知道我可以在 dplyr/tidyr 中完成，但我遗漏了一些东西。

示例数据集：

Owner = c('bob','julia','cheryl','bob','julia','cheryl')
Day = c('Mon', 'Tue') 
Locn = c('house','store','apartment','office','house','shop')
data <- data.frame(Owner, Day, Locn)

看起来像这样：

   Owner Day      Locn
1    bob Mon     house
2  julia Tue     store
3 cheryl Mon apartment
4    bob Tue    office
5  julia Mon     house
6 cheryl Tue      shop

我想按名称和日期分组，然后在列中计算分组位置。在此示例中，我希望将 'house' 和 'apartment' 添加到标题为 'Home' 的列中，并将 'store'、'office' 和 'shop' 计入一列 'Work'.

我当前的代码（不起作用）：

grouped_locn <- data %>%
  dplyr::arrange(Owner, Day) %>%
  dplyr::group_by(Owner, Day) %>%
  dplyr::summarize(Home = which(data$Locn %in% c('house', 'apartment')), 
               Work = which(data$Locn %in% c("store", "office", "apartment")))

我只在总结步骤中包含了我目前的尝试，以展示我是如何接近它的。当前的家庭和工作代码 returns 包含组元素的行号向量（即 Home = 1 3 5）

我的预期输出：

   Owner Day   Home  Work
1    bob Mon      1     0
2    bob Tue      0     1
3  julia Mon      1     0
4  julia Tue      0     1
5 cheryl Mon      1     0
6 cheryl Tue      0     1

在实际数据集（30k+ 行）中，每个所有者每天有多个 Locn 值，因此家庭和工作计数可以是 1 和 0 以外的数字（因此没有布尔值）。

非常感谢。

Answer 1

这是一个使用 data.table

的简单高效的解决方案

对于旧版本 (v < 1.9.5)

library(data.table) # v < 1.9.5
setDT(data)[, Locn2 := c("Work", "Home")[(Locn %in% c('house', 'apartment')) + 1L]]
dcast.data.table(data, Owner + Day ~ Locn2, length)
#     Owner Day Home Work
# 1:    bob Mon    1    0
# 2:    bob Tue    0    1
# 3: cheryl Mon    1    0
# 4: cheryl Tue    0    1
# 5:  julia Mon    1    0
# 6:  julia Tue    0    1

对于较新的版本 (v >= 1.9.5)，您可以在一行中完成此操作

dcast(setDT(data), Owner + Day ~ c("Work", "Home")[(Locn %in% c('house', 'apartment')) + 1L], length)

这里有一个 tidyr 替代方案

library(dplyr)
library(tidyr)
data %>%
  mutate(temp = 1L, 
         Locn = ifelse(Locn %in% c('house', 'apartment'), "Home", "Work")) %>% 
  spread(Locn, temp, fill = 0L)

#    Owner Day Home Work
# 1    bob Mon    1    0
# 2    bob Tue    0    1
# 3 cheryl Mon    1    0
# 4 cheryl Tue    0    1
# 5  julia Mon    1    0
# 6  julia Tue    0    1

Answer 2

试试这个

data %>%
  group_by(Owner, Day) %>%
  summarise(Home = sum(Locn %in% c("house", "apartment")), 
            Work = sum(Locn %in% c("store", "office", "shop")))

Answer 3

这就像@lukeA 提出的解决方案，但使用 grepl 函数：

library(dplyr)

data %<>% arrange(Owner, Day) %>% group_by(Owner, Day) %>%
  summarise(Home=sum((grepl("house|apartment", Locn))*1), 
            Work=sum((grepl("store|office|shop", Locn))*1))

Answer 4

您可以使用 model.matrix 来自 base R

data[c('Work', 'Home')] <- model.matrix(~0+indx, transform(data, 
       indx =  Locn %in% c('house', 'apartment')))

   data
 #   Owner Day      Locn Work Home
 #1    bob Mon     house    0    1
 #2  julia Tue     store    1    0
 #3 cheryl Mon apartment    0    1
 #4    bob Tue    office    1    0
 #5  julia Mon     house    0    1
 #6 cheryl Tue      shop    1    0

或

 library(qdapTools)
 data[c('Work', 'Home')] <- mtabulate(data$Locn %in% c('house', 'apartment'))

使用 Tidyr/Dplyr 来汇总字符串组的计数

Using Tidyr/Dplyr to summarise counts of groups of strings

r

dplyr

tidyr