汇总数据框忽略重复答案

【问题标题】：Summarise data frame ignoring repetition汇总数据框忽略重复
【发布时间】：2011-02-16 12:28:48
【问题描述】：

我有一个数据框，其中一列中有重复的条目。我想根据那一列总结其他列。我希望摘要在进行摘要时考虑每个唯一条目而不是总数。例如在下面的数据框示例中，如果我想回答被调查的人有多少是年轻、中年和老年人？“RefID”1-1 在总结中被视为计数为 1 "ageclass"=young 且不解释为 5 的计数。

RefID   Altitude    Sex ageclass
1-1 Low F   young
1-1 Low F   young
1-1 Low F   young
1-1 Low F   young
1-1 Low F   young
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-7 Low F   old
1-7 Low F   old
1-7 Low F   old
1-7 Low F   old
1-8 Low F   old
1-8 Low F   old
1-9 Low F   old
1-9 Low F   old
1-9 Low F   old

谢谢。

【问题讨论】：

标签： r summary

【解决方案1】：

plyr 包对此很有用。例如。你可以这样做：

> require(plyr)
> ddply( df, .(ageclass), summarise, Num = length(unique(RefID)))
  ageclass Num
1   midage   1
2      old   6
3    young   1

【讨论】：

感谢 Prasad，您的回复很快，解决方案有效！！
我怎样才能获得每个性别（F/M）的年轻、中年和老年的数量？谢谢
找到了我的问题的解决方案 ddply( df, .(ageclass,Sex), summarise, Num = length(unique(RefID))) 谢谢

【解决方案2】：

要获取数据框中的唯一条目，请参阅 ?uniqe ：

Data <- unique(Mydata)

您可以使用：

by(Data,Data$ageclass,summary)

另请参阅?summary 以了解结果。如果您对计数感兴趣，可以使用table，例如：

table(Data$RefID,Data$ageclass)

或摘要：

margin.table(table(Data$RefID,Data$ageclass),margin=2)

编辑：您必须小心一点，因为unique() 采用唯一的行。如果您的男性和女性都有 refID 1-1 ，那么您仍然会计算两次。但我认为您的数据并非如此。如果你真的想确定，你可以这样做：

with(unique(Data[c(1,4)]),margin.table(table(RefID,ageclass),margin=2))

或采用此处提到的plyr 解决方案。

【讨论】：

【解决方案3】：

使用subset，您可以创建数据子集，使用duplicated，您可以获得一个逻辑向量，指示向量中是否已经出现了一个值。首先是一个小样本数据集：

df <- data.frame(
   ID=rep(1:5,each=5),
   attitude="low",
   sex=c(rep("F",10),rep("M",15)),
   age=c(rep("young",5),rep("middle",10),rep("old",10))
   )

然后您可以制作一个子集，其中仅记录每个 ID 第一次输入的时间：

df.sub <- subset(df,!duplicated(df$ID))

那么你可以总结一下：

> summary(df.sub$age)
middle    old  young 
     2      2      1

【讨论】：