计算小于当前值的值的数量答案

【问题标题】：Count number of values which are less than current value计算小于当前值的值的数量
【发布时间】：2018-11-23 16:07:03
【问题描述】：

如果值小于当前行，我想计算列 input 中的行数（请参阅下面想要的结果）。对我来说问题是条件基于当前行值，因此它与条件是固定数字的一般情况有很大不同。

data <- data.frame(input = c(1,1,1,1,2,2,3,5,5,5,5,6))

    input
1      1
2      1
3      1
4      1
5      2
6      2
7      3
8      5
9      5
10     5
11     5
12     6

我期望得到的结果是这样的。例如，对于观测值 5 和 6（值为 2），有 4 个观测值的值 1 小于它们的值 2。因此 count 的值为 4。

    input count
1      1     0
2      1     0
3      1     0
4      1     0
5      2     4
6      2     4
7      3     6
8      5     7
9      5     7
10     5     7
11     5     7
12     6    11

编辑：当我使用dplyr 处理分组数据时，我希望得到的最终结果如下所示，也就是说，我希望每个组内的条件可以是动态的。

data <- data.frame(id = c(1,1,2,2,2,3,3,4,4,4,4,4), 
input = c(1,1,1,1,2,2,3,5,5,5,5,6), 
count=c(0,0,0,0,2,0,1,0,0,0,0,4))

   id input count
1   1     1     0
2   1     1     0
3   2     1     0
4   2     1     0
5   2     2     2
6   3     2     0
7   3     3     1
8   4     5     0
9   4     5     0
10  4     5     0
11  4     5     0
12  4     6     4

【问题讨论】：

标签： r dplyr

【解决方案1】：

这是tidyverse的选项

library(tidyverse)
data %>%
   mutate(count = map_int(input, ~ sum(.x > input))) 
#    input count
#1      1     0
#2      1     0
#3      1     0
#4      1     0
#5      2     4
#6      2     4
#7      3     6
#8      5     7
#9      5     7
#10     5     7
#11     5     7
#12     6    11

更新

使用更新的数据，在上面的代码中按'id'添加分组

data %>% 
  group_by(id) %>% 
  mutate(count1 = map_int(input, ~ sum(.x > input)))
# A tibble: 12 x 4
# Groups:   id [4]
#      id input count count1
#   <dbl> <dbl> <dbl>  <int>
# 1     1     1     0      0
# 2     1     1     0      0
# 3     2     1     0      0
# 4     2     1     0      0
# 5     2     2     2      2
# 6     3     2     0      0
# 7     3     3     1      1
# 8     4     5     0      0
# 9     4     5     0      0
#10     4     5     0      0
#11     4     5     0      0
#12     4     6     4      4

【讨论】：

【解决方案2】：

在基数 R 中，我们可以使用 sapply 并为每个 input 计算有多少值大于自身。

data$count <- sapply(data$input, function(x) sum(x > data$input))

data

#   input count
#1      1     0
#2      1     0
#3      1     0
#4      1     0
#5      2     4
#6      2     4
#7      3     6
#8      5     7
#9      5     7
#10     5     7
#11     5     7
#12     6    11

对于dplyr，一种方法是使用rowwise 函数并遵循相同的逻辑。

library(dplyr)

data %>%
  rowwise() %>%
  mutate(count = sum(input > data$input))

【讨论】：

非常感谢您的回答！由于我正在使用 dplyr 处理组数据，并且我提供的示例数据集是我实际数据集中的组之一，我只是想知道是否有使用 dplyr 的方法（例如使用 mutate）。谢谢！
@RickXMan 我已经展示了在您的示例答案中使用mutate 的方法。
感谢@Ronak Shah。我尝试在它之前添加group_by，但似乎rowwise 与group_by 不兼容？

【解决方案3】：

1。 outer 和 rowSums

data$count <- with(data, rowSums(outer(input, input, `>`)))

2。 table 和 cumsum

tt <- cumsum(table(data$input))
v <- setNames(c(0, head(tt, -1)), c(head(names(tt), -1), tail(names(tt), 1)))
data$count <- v[match(data$input, names(v))]

3。 data.table非等加入

在data.table 中使用非等连接可能更有效。计算每个匹配项 (by = .EACHI) 的行数 (.N)。

library(data.table)
setDT(data)
data[data, on = .(input < input), .N, by = .EACHI]

如果您的数据按“id”分组，如在您的更新中，也加入该变量：

data[data, on = .(id, input < input), .N, by = .EACHI]

#     id input N
#  1:  1     1 0
#  2:  1     1 0
#  3:  2     1 0
#  4:  2     1 0
#  5:  2     2 2
#  6:  3     2 0
#  7:  3     3 1
#  8:  4     5 0
#  9:  4     5 0
# 10:  4     5 0
# 11:  4     5 0
# 12:  4     6 4

【讨论】：