根据组的唯一/不同值的数量创建二进制变量答案

【问题标题】：Create binary variable based on number of unique / distinct values by group根据组的唯一/不同值的数量创建二进制变量
【发布时间】：2014-12-10 09:03:39
【问题描述】：

我的数据如下：

userID  <- c(1,1,1,2,2,2,3,3,3)
product <- c("a","a","a","b","b","c","a","b","c")
df <- data.frame(userID, product)

对于每个“用户 ID”，我想创建一个二进制指示变量，如果有多个唯一产品，则为 1，如果所有产品都相同，则为 0。

所以我的填充向量看起来像：

df$result <- c(0,0,0,1,1,1,1,1,1)
#    userID product result
# 1      1       a      0
# 2      1       a      0
# 3      1       a      0
# 4      2       b      1
# 5      2       b      1
# 6      2       c      1
# 7      3       a      1
# 8      3       b      1
# 9      3       c      1

例如用户 1 只有一个不同的产品 ('a') -> result = 0。用户 2 有多个唯一的产品 ('b' 和 'c') -> result = 1。

【问题讨论】：

标签： r dataframe data-manipulation split-apply-combine

【解决方案1】：

这是实现这一目标的一种方法

library(data.table)
setDT(df)[, result := as.integer(uniqueN(product) > 1), by = userID]
# or
# setDT(df)[, result := as.integer(length(unique(product)) > 1), by = userID]
df
#    userID product result
# 1:      1       a      0
# 2:      1       a      0
# 3:      1       a      0
# 4:      2       b      1
# 5:      2       b      1
# 6:      2       c      1
# 7:      3       a      1
# 8:      3       b      1
# 9:      3       c      1

或者

library(dplyr)
df %>%
  group_by(userID) %>%
  mutate(result = as.integer(n_distinct(product) > 1))

【讨论】：

【解决方案2】：

您可以使用 ave 中的 base R

 df$result <- with(df, ave(as.character(product), userID, 
                 FUN=function(x) length(unique(x)))>1) +0 
 df$result
 [1] 0 0 0 1 1 1 1 1 1

或者按照@David Arenburg 的建议，您可以使用transform 并在df 中创建一个新变量result

  transform(df, result = (ave(as.character(product), 
          userID, FUN = function(x) length(unique(x)))>1)+0)

或者

tbl <- rowSums(!!table(df[,-3]))>1
(df$userID %in% names(tbl)[tbl])+0
 #[1] 0 0 0 1 1 1 1 1 1

【讨论】：

啊，你解开了我为什么不能让ave工作的谜团，as.character...真烦人
@David Arenburg 我也收到了警告。但是，后来我想到as.character 或者as.numeric 也适合
您也可以使用transform 添加类似的解决方案，例如transform(df, result = ave(as.character(product), userID, FUN = function(x) length(unique(x)) > 1) + 0))
我工作的那个是tbl <- rowSums(!!table(df[,-3]))>1，第二个命令行改为：(df$userID %in% names(tbl)[tbl])+0

【解决方案3】：

这是我的：

# table of users x number_of_products
myTable <- table(userID, product)
# one line from there:
(result <- ifelse(rowSums(myTable!=0)==1, 0, 1)[userID])
1 1 1 2 2 2 3 3 3 
0 0 0 1 1 1 1 1 1

【讨论】：

【解决方案4】：

您可以使用包data.table 或dplyr 来解决这种拆分-应用-组合任务。这就是使用data.table 的方法：

library(data.table)
setDT(df)    ## convert to the new format
df[, result:=as.integer(length(unique(product)) > 1), by=userID]

【讨论】：