根据列中的唯一值计算点数

Question

编辑： 下面是非常有用的，所以我已经玩了几个小时了。最终，我尝试了一些不起作用的方法：从每个 id 的点数的平均值来看，我尝试只包括每个 id 的最后（例如）5 次点击/浏览量。我使用的代码是：

megest

但是，它只会生成一个如下所示的表格：

id    points
1     c(20,0)
2     c(20,10,20,100,20)

而不是将它们相加并产生平均值。我很好奇，有没有办法解决这个问题？提前致谢！ （并为这个问题中的许多新问题道歉，但 R 让我非常兴奋）。

---

各位经验丰富的 R 用户，

我是 R 新手，所以如果答案是直截了当的或者我不清楚，我深表歉意。

我创建了一个数据框，其中包含 16 个变量的大约 500,000 次点击流数据观察。其中两列是“id”和“assigned points”

其中“id”表示互联网会话 id，“points”表示我为每次点击/浏览量分配的点数（可能是某些点击没有分配点数），例如：

id   points
1    10
1    N/A
1    30
2    100
3    20
3    10

在“id”列中，大约有 60000 个唯一值。我想要实现的是，计算分配给每个“id”的点数，并让 R 自动为所有唯一 id 执行此操作。所以我正在寻找这样的结果：

1 [40], 2 [100], 3[30]

但是，我完全不知道如何告诉 R 识别所有唯一 ID 并在所有这些唯一 ID 中做某事（即计数点）。

所有帮助将不胜感激！提前致谢！

Answer 1

我们可以使用 group by 操作来做到这一点。我们将“data.frame”转换为“data.table”（setDT(df1)），按“id”分组，我们得到“points”的sum。

library(data.table)
setDT(df1)[, list(points=sum(points, na.rm=TRUE)), by = id]

这也可以使用来自base R 的aggregate 或使用dplyr 方法来完成。鉴于数据集很大，data.table 方法会很快（dplyr 也很快）。

注意：假设是 1）“点”列是 numeric 类。 2) N/A 是真正的NA。

Answer 2

aggregate 选项：

df$points <- as.numeric(as.character(df$points))
Warning message:
NAs introduced by coercion 
> aggregate(points ~ id, df, sum)
#  id points
#1  1     40
#2  2    100
#3  3     30

根据 OP 的评论，我们可以通过将 NA 更改为 0 来获得 mean，并继续使用相同的 aggregate 想法：

df[is.na(df)] <- 0
aggregate(points ~ id, df, mean)
#  id    points
#1  1  13.33333
#2  2 100.00000
#3  3  15.00000

数据

df <- structure(list(id = c(1L, 1L, 1L, 2L, 3L, 3L), points = structure(c(1L, 
5L, 4L, 2L, 3L, 1L), .Label = c("10", "100", "20", "30", "N/A"
), class = "factor")), .Names = c("id", "points"), class = "data.frame", row.names = c(NA, 
-6L))