在 R 中添加相关数据的等效列

Question

我已经使用 table() 从原始数据创建了一个分类标签表。

我想添加相关标签的频率/计数。例如`

S/n No.     Tags    Frequency/Count

1      Problem 1      56325
2      Problem 2      11233
3      Problem 3      546321
4      Problem 1      2123345 
       & Problem 2      
5      Problem 2      9657531
       & Problem 3
6      Problem 1      623589542
       & Problem 2
       & Problem 3 ` 

现在我希望输出是这样的，

S/n no.  Tagging     Freq/Count

1        Problem 1  (56325+2123345+623589542)=625769212
2        Problem 2  (11233+2123345+9657531+623589542)=635381651
3        Problem 3  (546321+9657531+623589542)=633793394

注意：() 内的数据不会显示在输出中。

现在，我有 78 种不同类型的标记关键字。表中有大约 250 行。

@Maurits Evers 和@akrun 正确回答了这个问题。 您需要为此安装 tidyverse 软件包。 请输入

install.packages("tidyverse")

如果您没有安装 tidyverse，请在您的 R 控制台中。 访问tidyverse 网站了解更多信息。

Answer 1

使用tstrsplit 的data.table 解决方案

library(data.table)
setDT(df)[,.(Tags = unlist(tstrsplit(Tags, " & ", fixed = TRUE)), # Split by &
             Freq = Frequency_Count) # Take the Frequency_Count too
          ][!is.na(Tags), # ignore non-matches
            .(Freq_Count = sum(Freq)), # sum frequencies
            by = Tags] # by the splitted tags
#         Tags Freq_Count
# 1: Problem 1  625769212
# 2: Problem 2  635381651
# 3: Problem 3  633793394

Answer 2

请注意，在您的示例中，在汇总计数时，S/n no. 列中的条目似乎被忽略了；您没有提供任何详细信息，因此我将忽略此列中的条目。

我们可以使用strsplit 分隔条目，然后使用unnest 并在summarise 列Frequency/Count 中的summarise'ing 值之前按Tags 分组行：

library(tidyverse);
df %>%
    mutate_if(is.factor, as.character) %>%
    select(-SN_No) %>%
    mutate(Tags = strsplit(Tags, " & ")) %>%
    unnest() %>%
    group_by(Tags) %>%
    summarise(Freq_Count = sum(Frequency_Count))
## A tibble: 3 x 2
#  Tags      Freq_Count
#  <chr>          <int>
#1 Problem 1  625769212
#2 Problem 2  635381651
#3 Problem 3  633793394  

---

样本数据

df <- read.table(text =
    "'SN_No'     Tags    'Frequency_Count'
1      'Problem 1'      56325
2      'Problem 2'      11233
3      'Problem 3'      546321
4      'Problem 1 & Problem 2'     2123345
5      'Problem 2 & Problem 3'      9657531
6      'Problem 1 & Problem 2 & Problem 3'      623589542", header = T)

Answer 3

这是separate_rows的一个选项

library(tidyverse)
df1 %>% 
  separate_rows(Tags, sep = "\\s+&\\s+") %>% 
  group_by(Tags) %>% 
  summarise(SN_No = first(SN_No), Frequency_Count = sum(Frequency_Count)) %>%
  select(names(df1))
# A tibble: 3 x 3
#    SN_No Tags      Frequency_Count
#   <int> <chr>               <int>
#1     1 Problem 1       625769212
#2     2 Problem 2       635381651
#3     3 Problem 3       633793394

数据

df1 <- structure(list(SN_No = 1:6, Tags = structure(c(1L, 4L, 6L, 2L, 
 5L, 3L), .Label = c("Problem 1", "Problem 1 & Problem 2", 
  "Problem 1 & Problem 2 & Problem 3", 
 "Problem 2", "Problem 2 & Problem 3", "Problem 3"), class = "factor"), 
Frequency_Count = c(56325L, 11233L, 546321L, 2123345L, 9657531L, 
623589542L)), .Names = c("SN_No", "Tags", "Frequency_Count"
 ), class = "data.frame", row.names = c(NA, -6L))

Answer 4

假设您的意思是 Problem1 和 Problem 2 ，因为频率都是 2123345，我读取您的数据如下，并使用聚合函数来获得我认为您想要的结果：

table1 <- read.table(text = '
  Tags    FrequencyCount
  Problem1      56325
  Problem2      11233
  Problem3      546321
  Problem1      2123345 
  Problem2     2123345
  Problem2     9657531
  Problem3     9657531
  Problem1     623589542
  Problem2     623589542
  Problem3     623589542',
                 header = TRUE) 


aggregate(FrequencyCount ~ Tags, table1, sum)

      Tags FrequencyCount
1 Problem1      625769212
2 Problem2      635381651
3 Problem3      633793394

如果您缺少需要填写的值，如下例所示，您可以先复制以前的值：

table1 <- read.table(text = '
  Tags    FrequencyCount
  Problem1      56325
  Problem2      11233
  Problem3      546321
  Problem1      2123345 
  Problem2     NA
  Problem2     9657531
  Problem3     NA
  Problem1     623589542
  Problem2     NA
  Problem3     NA',
                 header = TRUE) 

library(data.table)
while(sum(is.na(table1$FrequencyCount)) > 0){
table1$FrequencyCount <- ifelse(is.na(table1$FrequencyCount), 
shift(table1$FrequencyCount), table1$FrequencyCount)
}