来自两个单独列的名称的累积计数

Question

我有一个按时间顺序排列的数据集，我已使用以下方法将其导入 R：

mydata <- read.csv(file="test.csv",stringsAsFactors=FALSE)

数据集中的两列是“赢家”和“输家”。数据中的每一行都是一场网球比赛。

我想要做的是添加两列，这可以让我计算出“获胜者”列中的玩家已经玩过的总匹配数，包括该行的匹配数。并且该行中的“失败者”的计数相同。

例如，它看起来像这样：

winner loser winner_matches loser_matches
tom    andy        1             1
andy   greg        2             1
greg   tom         2             2

我希望这是有道理的。

我已尝试使用以下代码，但无法使其在两列中都起作用：

ave(mydata$winner_name==mydata$winner_name, mydata$winner_name, FUN=cumsum)

所以下面的数据是前10行20000左右。

Answer 1

1) base 定义一个函数，该函数将指定玩家的匹配计数直到第 i 行，然后将其分别应用于获胜者和失败者的比赛。没有使用任何包：

count_matches <- function(i, player) {
    with(DF[1:i, ], sum(winner == player | loser == player))
}
n <- nrow(DF)
transform(DF, winner_matches = mapply(count_matches, 1:n, winner),
              loser_matches = mapply(count_matches, 1:n, loser))

给予：

  winner loser winner_matches loser_matches
1    tom  andy              1             1
2   andy  greg              2             1
3   greg   tom              2             2

2) sqldf 在意识到这个问题可以在这样的复杂条件下通过自连接解决时，可以使用 sqldf 获得不同的解决方案：

library(sqldf)
sqldf("select a.winner, 
              a.loser, 
              sum(a.winner = b.winner or a.winner = b.loser) winner_matches,
              sum(a.loser = b.winner or a.loser = b.loser) loser_matches
       from DF a join DF b on a.rowid >= b.rowid
       group by a.rowid")

给予：

  winner loser winner_matches loser_matches
1    tom  andy              1             1
2   andy  greg              2             1
3   greg   tom              2             2

注意：所使用的输入，以可重现的形式，是：

Lines <- "winner loser 
tom    andy
andy   greg
greg   tom"
DF <- read.table(text = Lines, header = TRUE, as.is = TRUE)

Answer 2

我们可以通过data.table包获取每个玩家输赢的次数：

library(data.table)
setDT(dat)[, winner_matches_won := seq_len(.N), by=(winner)]
setDT(dat)[, loser_matches_lost := seq_len(.N), by=(loser)]

dat

#    winner loser winner_matches_won loser_matches_lost 
# 1:    tom  andy                  1                  1 
# 2:   andy  greg                  1                  1 
# 3:   greg   tom                  1                  1 
# 4:   greg   tom                  2                  2 
# 5:    tom  greg                  2                  2

数据：

dat <- structure(list(winner = structure(c(3L, 1L, 2L, 2L, 3L), .Label = c("andy", 
                                                                           "greg", "tom"), class = "factor"), loser = structure(c(1L, 2L, 
                                                                                                                                  3L, 3L, 2L), .Label = c("andy", "greg", "tom"), class = "factor")), .Names = c("winner", 
                                                                                                                                                                                                                 "loser"), class = "data.frame", row.names = c(NA, -5L))

Answer 3

您真的很接近让ave 工作了。 cumsum 函数不知道如何处理文本，所以我为每一行创建了一个等于 1 的虚拟列。这让cumsum 有了一些重要的意义。

这是一个示例数据框。

mydata <-
  data.frame(
    winner = c("tom", "andy", "greg", "tom", "gary"),
    loser = c("andy", "greg", "tom", "gary", "tom"),
    stringsAsFactors = FALSE
  )

这是添加两个新列的代码。

library(tidyverse)

mydata <- mutate(mydata, one = 1) # Add dummy column

# Use ave() to calculate both the wins and losses
mydata$winner_matches <- ave(x = mydata$one, mydata$winner, FUN = cumsum)
mydata$loser_matches  <- ave(x = mydata$one, mydata$loser, FUN = cumsum)

mydata <- select(mydata, -one) # Remove dummy column