通过 dplyr 中的多个聚合条件进行子集化答案

【问题标题】：Subsetting by multiple aggregate conditions in dplyr通过 dplyr 中的多个聚合条件进行子集化
【发布时间】：2016-04-23 07:36:56
【问题描述】：

我希望有人知道 dplyr 中的一种简单/高效的方法，我可以在其中定义一个指标变量，如果在日期 X 上，IP 地址出现 >50 次，则取值为 1。数据是两列，一列是 IP 地址，另一列是相关的访问日期。

例如，我希望机器人列中的以下输出（假设日期/IP 组合 >=3）。

IP Date Robot
1   A   1
1   A   1
1   A   1
1   B   0
2   B   0
2   C   1
2   C   1
2   C   1
3   C   0
3   D   0
4   A   0

谢谢！

【问题讨论】：

请展示一个可重现的小例子
@akrun，包括在上面！谢谢！

标签： r aggregate dplyr indicator dummy-variable

【解决方案1】：

您可以group_by 这两个变量并使用n() 来测试当天有多少地址。

group_by(df,date,ip) %>% 
  mutate(keep=as.numeric(n() > 50))

【讨论】：

这里不需要ifesle，只需group_by(df, IP, Date) %>% mutate(keep = as.numeric(n() > 2))即可。

【解决方案2】：

为了效率，data.table 中的逻辑相同：

library(data.table)

DT <- fread("IP Date
            1   A   
            1   A   
            1   A   
            1   B   
            2   B   
            2   C   
            2   C   
            2   C   
            3   C   
            3   D   
            4   A")

DT[, Robot := ifelse(.N >= 3, 1, 0), keyby = .(IP, Date)]

当然，当你想要 50 作为阈值时，你需要将条件更改为.N >= 50。

【讨论】：

【解决方案3】：

我们可以使用data.table。将“data.frame”转换为“data.table”（setDT(df1)），按“IP”和“日期”分组，我们通过将逻辑（.N>=3）转换为二进制表示来创建“机器人”。这可以通过对逻辑向量使用+ 或使用函数as.integer 来完成。

library(data.table)
setDT(df1)[, Robot:= +(.N>=3), .(IP, Date)]

+ 可以替换为as.integer

或者base R，我们可以使用ave

transform(df1, Robot=as.integer(ave(IP, IP, Date, FUN=length)>=3))

【讨论】：