【问题标题】:How to convert a column into a count of occurences (in R)如何将列转换为出现次数(在 R 中)
【发布时间】:2022-08-06 20:31:18
【问题描述】:

这张照片显示了我当前的数据框,其中包含每个国家记录入侵物种的第一年的信息。我对分类单元数据不感兴趣,只对分类单元的数量感兴趣,而是希望每个国家和年份都有一行,计算该国家当年引入的分类单元的数量。 例如。

阿富汗,1996 年,1。 阿富汗,1974 年,1。 ... 阿拉斯加,2020 年,1。 阿拉斯加,2017 年,2。 等等。

我考虑过遍历每一行,但有没有更快的方法来做到这一点?

    标签: r dataset


    【解决方案1】:

    这是你要找的吗?

    library(dplyr)
    
    region <- c("Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan", "Afghanistan", "Aland Islands", "Aland Islands", "Aland Islands", "Aland Islands", "Alaska", "Alaska", "Alaska", "Alaska", "Alaska", "Alaska", "Alaska", "Alaska")
    firstrecord <- c(1996, 1974, 1972, 1970, 1966, 1964, 2008, 1998, 1934, 1930, 2020, 2017, 2017, 2016, 2016, 2015, 2014, 2014)
    df <- data.frame(Region = region, FirstRecord = firstrecord)
    
    df %>% group_by(Region, FirstRecord) %>% summarise(TaxaCount = n())
    
    # A tibble: 15 × 3
    # Groups:   Region [3]
       Region        FirstRecord TaxaCount
       <chr>               <dbl>      <int>
     1 Afghanistan          1964          1
     2 Afghanistan          1966          1
     3 Afghanistan          1970          1
     4 Afghanistan          1972          1
     5 Afghanistan          1974          1
     6 Afghanistan          1996          1
     7 Aland Islands        1930          1
     8 Aland Islands        1934          1
     9 Aland Islands        1998          1
    10 Aland Islands        2008          1
    11 Alaska               2014          2
    12 Alaska               2015          1
    13 Alaska               2016          2
    14 Alaska               2017          2
    15 Alaska               2020          1
    

    【讨论】:

    • 就是这样!太感谢了。就这样我下次明白了,是 dplyr 的 'group_by' 函数在这里进行实际分组吗?
    • 是的,group_by 有办法解决生活中的大多数问题。
    • 这是一个了解group_by的好页面:r-graphics.org/recipe-dataprep-summarize
    • 哈哈,太棒了,谢谢!
    • 仅使用基础 R 存在更简单的解决方案。
    猜你喜欢
    • 2021-02-04
    • 2015-07-21
    • 2014-09-15
    • 2016-10-05
    • 1970-01-01
    • 1970-01-01
    • 2019-12-03
    • 2022-01-18
    • 2016-08-14
    相关资源
    最近更新 更多