R - 分组和总结分类变量（前 2 个计数）答案

【问题标题】：R - group by and summarise categorial vars (top 2 with count)R - 分组和总结分类变量（前 2 个计数）
【发布时间】：2021-03-26 03:05:05
【问题描述】：

我需要按字段 A 对 data.frame 进行分组并汇总分类变量 B，并保留其前 2 个值和相应的计数。 B 有重复值。

示例数据：

## double to have duplicate values
mtcars2 <- rbind(mtcars, mtcars)

希望的代码示例（虽然我知道它并不简单）：

mtcars2 %>% 
  group_by(gear) %>% 
  summarise(
    n = n(),
    disp_top1 = top(disp,1),
    disp_top1_n = top_count(cat1,1),
    disp_top2 = top(disp,2),
    disp_top2_n = top_count(cat1,2)
  )

结果会是这样的

   gear    nr disp_top1 disp_top1_n disp_top2 disp_top2_n
  <dbl> <int>     <dbl>       <int>     <dbl>       <int>
1     3    30      472            2       460           2
2     4    24      168.           4       160           4
3     5    10      351            2       301           2

感谢您的帮助！

【问题讨论】：

请在您的问题中添加一个最小的可重现示例作为代码。你说的top1和top2是什么意思？去掉top1后，top1是mode，top2是mode吗？
感谢@Dharman 和 Holzben。很抱歉没有发布可重现的代码和测试数据，新手错误 =)。我使用 mtcars 编辑了问题。我尝试了 Dharman 解决方案，对于 2+ 重复的 disp 值不起作用，所以我做了一些调整，现在它可以工作了。代码如下。想知道是否有更短更快的方法，因为我需要汇总 200 多个分类变量，超过 2 亿条记录。
@AnilGoyal，感谢您的提示！问题已编辑。还注册了我到目前为止的解决方案。

标签： r dplyr aggregate categorical-data summarize

【解决方案1】：

由于没有测试数据，我只能提供mtcars 数据集的示意图

mtcars %>% group_by(gear) %>% 
  mutate(position = rank(disp)) %>% 
  summarise(nr = n(),
            top_value_1 = disp[position == 1],
            top_value_2 = disp[position == 2],
            top_value_3 = disp[position == 3],
            top_value_nr_occurance_top_1 = sum(disp[position == 1] == disp),
            top_value_nr_occurance_top_2 = sum(disp[position == 2] == disp),
            top_value_nr_occurance_top_3 = sum(disp[position == 3] == disp))

在您的示例中，gear 将是 key，disp 将是 cat1

【讨论】：

【解决方案2】：

到目前为止回答（使用 mtcars 作为数据集），感谢 @holzben 和 @Dharman。

## double the data to get duplicate disp values
mtcars2 <- rbind(mtcars, mtcars)

## summarising
mtcars2 %>% group_by(gear) %>% 
  mutate(position = dense_rank(-disp)) %>% 
  summarise(
    nr = n(),
    top_value_1 = head(disp[position == 1],1),
    top_value_2 = head(disp[position == 2],1),
    top_value_1_nr = sum(top_value_1 == disp),
    top_value_2_nr = sum(top_value_2 == disp)
  )

结果：

`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 6
   gear    nr top_value_1 top_value_2 top_value_1_nr top_value_2_nr
  <dbl> <int>       <dbl>       <dbl>          <int>          <int>
1     3    30        472          460              2              2
2     4    24        168.         160              4              4
3     5    10        351          301              2              2

【讨论】：