对数据帧的相等值/行求和/计数

Question

我有一个数据框，其中包含一堆单独的行程数据，每次行程都有一个起点和终点站 ID。

我正在尝试制作第二个数据框，其中包含为每个站点重新排列的所有信息。例如，如果在第一个数据帧中有 50 次行程的 start_station_id == 12，那么在 station_id 12 下的第二个数据帧的“starts”列将等于 50

目前我认为for 循环将是解决此问题的最佳方法，但我似乎无法破解它

for(i in range(station_ids)){
   stationData$starts[i] <- sum(data$start_station_id[i] == station_ids[i])
}

这会产生以下错误：

Error in `$<-.data.frame`(`*tmp*`, starts, value = c(0, 0, 0, 0, 0, 0,  : 
  replacement has 370 rows, data has 369

station_id's 是一个包含每个唯一站 id # 的变量，stationData$starts 是我想要存储启动次数的位置。数据是我试图运行 for 循环的原始数据。

有没有更简单的方法来完成这个操作，还是我只是写错了 for 循环？任何提示都会非常有帮助

Answer 1

根据我从您的问题中了解到的情况，您正在尝试计算每个 station_id 的出现次数，这可以通过返回 table 对象的 table 函数轻松实现，即包含计数的命名向量和station_id 作为名称。

基地R

table(data$start_station_id)
data.frame(table(data$start_station_id)) #if you prefer the data.frame look

如果您想将出现次数合并到旧的data.frame 中，可以使用merge 函数内部连接两个data.frames

tbl.df <-data.frame(table(data$start_station_id))
colnames(tbl.df)[1] <- "start_station_id"
data <- merge(data, tbl.df)

data.table

data.table::setDT(data)
data[, `Number of rows` := .N, by = start_station_id]

:= 是一个创建新列的data.table 函数，.N 给出当前组的行数，by 指定要分组的列。这会自动将Number of rows 列添加到data.table。 有关data.table 包的介绍，请查看vignette。 这个实现是最快的。

Answer 2

这种方法是可行的，但您不应该使用 data.frame 来放入新数据，因为您还不知道行数。只需使用一个列表并将其转换为最后的data.frame：

stationData = list("station" = unique(c(data$start_station_id, data$end_station_id)), ##  Create a list of all stations
                   "starts" = c(),

for(i in i:length(stationData$station)){
   s = stationData$station[i]
   stationData$starts[i] <- sum(data$start_station_id == s)
}
stationData = as.data.frame(stationData)

在 for 循环结束时，两列的长度将相同，创建此数据不会有问题。

不过，更简单的方法是使用 table() 函数，该函数自动计算起始站的数量，并且已经由 Abdessabour Mtk 提出。