Tidyverse 和 R：如何计算嵌套数据框的 tibble 中的行数答案

【问题标题】：Tidyverse and R: how to count rows in a tibble of a nested dataframeTidyverse 和 R：如何计算嵌套数据框的 tibble 中的行数
【发布时间】：2022-02-25 00:06:00
【问题描述】：

所以，我检查了多个帖子，但没有找到任何东西。根据this，我的代码应该可以工作，但事实并非如此。

目标：我想基本上打印出主题的数量——在这种情况下，这也是这个小标题中的行数。

代码：

 data<-read.csv("advanced_r_programming/data/MIE.csv")

make_LD<-function(x){
  LongitudinalData<-x%>%
    group_by(id)%>%
    nest()
  structure(list(LongitudinalData), class = "LongitudinalData")
}

print.LongitudinalData<-function(x){
  paste("Longitudinal dataset with", x[["id"]], "subjects")

}

x<-make_LD(data)

print(x)

这是我正在处理的数据集的头部：

> head(x)
[[1]]
# A tibble: 10 x 2
      id                  data
   <int>                <list>
 1    14 <tibble [11,945 x 4]>
 2    20 <tibble [11,497 x 4]>
 3    41 <tibble [11,636 x 4]>
 4    44 <tibble [13,104 x 4]>
 5    46 <tibble [13,812 x 4]>
 6    54 <tibble [10,944 x 4]>
 7    64 <tibble [11,367 x 4]>
 8    74 <tibble [11,517 x 4]>
 9   104 <tibble [11,232 x 4]>
10   106 <tibble [13,823 x 4]>

输出：

[1] "Longitudinal dataset with  subjects"

我已经尝试了上述 stackoverflow 帖子中的所有可能组合，但似乎都不起作用。

【问题讨论】：

请使用dput显示数据集
虽然我使用了head函数，但数据集是完整的。

标签： r oop tidyverse tibble

【解决方案1】：

这里有两个选项：

library(tidyverse)

# Create a nested data frame
dat = mtcars %>% 
  group_by(cyl) %>% 
  nest %>% as.tibble

    cyl               data
1     6  <tibble [7 x 10]>
2     4 <tibble [11 x 10]>
3     8 <tibble [14 x 10]>

dat %>% 
  mutate(nrow=map_dbl(data, nrow))

dat %>% 
  group_by(cyl) %>% 
  mutate(nrow = nrow(data.frame(data)))

    cyl               data  nrow
1     6  <tibble [7 x 10]>     7
2     4 <tibble [11 x 10]>    11
3     8 <tibble [14 x 10]>    14

【讨论】：

【解决方案2】：

在tidyverse中有一个具体的函数：n()

你可以这样做：mtcars %>% group_by(cyl) %>% summarise(rows = n())

> mtcars %>% group_by(cyl) %>% summarise(rows = n())
# A tibble: 3 x 2
    cyl  rows
  <dbl> <int>
1     4    11
2     6     7
3     8    14

在更复杂的情况下，主题可能跨越多行（“长格式数据”），您可以这样做（假设 hp 表示主题）：

> mtcars %>% group_by(cyl, hp) %>% #always group by subject-ID last
+   summarise(n = n()) %>% #observations per subject and cyl
+   summarise(n = n()) #subjects per cyl (implicitly summarises across all group-variables except the last)
`summarise()` has grouped output by 'cyl'. You can override using the `.groups` argument.
# A tibble: 3 x 2
    cyl     n
  <dbl> <int>
1     4    10
2     6     4
3     8     9

请注意，最后一种情况下的n 比第一种情况要小，因为有相同数量的cyl 和hp 现在被算作一个“主题”。

【讨论】：