按年份排序，然后计算每个县的虚拟变量（ddply）

Question

我正在尝试使用 ddply 总结一个非常大的数据框。

我需要按年份排序，然后在 RVPI == 1 时计算每个县 (fips)。我不确定如何在 ddply 中执行此操作，希望能提供任何帮助。

这是一个示例代码：

Lines <- "year  fips   RVPI  indivID
1950   1001 1 1
1950   1001 1 2    
1950   1001 1 3     
1951   1001 1 3  
1951   1001 1 4  
1951   1002 0 5  
1952  1002  0 6  
1952  1003  0 6  
1952  1004  1 7  
1952  1004  1 7  
1953  1004 1 8 
1953  1006 0 8
1953  1001 1 8
1953  1006 0 9 "

DF <- read.table(text = Lines, check.names = FALSE, header = TRUE)
df <- as.data.frame(DF)

ddply(df, .(year), summarize,
      RVPI = sum(RVPI))

表格的预期结果（与上面的示例不完全一致，但总体而言）

Year     RVPI(# of counties)
1950        1
1951        1
1952        1
1953        2

Answer 1

这是一个使用dplyr 的想法。在这里，我删除了 RVPI 中为 0 的行。然后，对于每一年，我使用distinct 为每个fips 选择一个条目。例如，有 1950 年和 fips 1001 的三行。distinct 只选择其中之一。最后，我计算了每年有多少个fips。

library(dplyr)

filter(df, RVPI != 0) %>%
    group_by(year) %>%
    distinct(fips) %>%
    summarise(numOfFips = n())

或者，这会产生相同的结果。

summarise(group_by(df, year, fips), sumRVPI = sum(RVPI)) %>%
    filter(sumRVPI != 0) %>%
    group_by(year) %>%
    summarize(numOfFips = n())

#  year numOfFips
#1 1950         1
#2 1951         1
#3 1952         1
#4 1953         2

如果您尝试在输出中包含indivID，您可以这样做。

filter(df, RVPI != 0) %>%
    group_by(year, fips) %>%
    summarise(numOfIndiv = n()) %>%
    summarise(numOfFips = n(), numOfIndiv = sum(numOfIndiv)) 

#  year numOfFips numOfIndiv
#1 1950         1          3
#2 1951         1          2
#3 1952         1          2
#4 1953         2          2