根据其他列中的值计算列中唯一实例的数量答案

【问题标题】：Count number of unique instances in a column depending on values in other columns根据其他列中的值计算列中唯一实例的数量
【发布时间】：2018-01-30 03:04:05
【问题描述】：

我有下表（称为火车）（实际上要大得多）

 UNSPSC adaptor alert bact blood collection packet patient ultrasoft whit
 514415       0     0    0     0          0      0       0         1    0
 514415       0     0    0     1          0      0       0         1    0
 514415       0     0    1     0          0      0       0         1    0
 514415       0     0    0     0          0      0       0         1    0
 514415       0     0    0     0          0      0       0         1    0
 514415       0     0    0     0          0      0       0         1    0
 422018       0     0    0     0          0      0       0         1    0
 422018       0     0    0     0          0      0       0         1    0
 422018       0     0    0     1          0      0       0         1    0
 411011       0     0    0     0          0      0       0         1    0

我想计算每列唯一 UNSPSC 的数量，其中值等于 1。因此对于列血，它将是 2，对于超软列，将是 3。

我正在这样做，但不知道如何继续：

apply(train[,-1], 2, ......)

我试图不使用循环。

【问题讨论】：

stackoverflow.com/questions/22196078/… 的可能重复项。
如果要获取1个值的个数，可以选择colSums(rowsum('+'(df1[-1] == 1), df1[,1]) > 0)

标签： r count distinct apply

【解决方案1】：

要从您离开的地方继续，我们可以将apply 与margin=2 结合使用，并计算每列的“UNSPSC”值的length 和unique。

apply(train[-1], 2, function(x) length(unique(train$UNSPSC[x==1])))

#adaptor      alert       bact      blood collection     packet 
#     0          0          1          2          0          0 
#patient  ultrasoft       whit 
#     0          3          0

更好的选择是使用sapply/lapply，它给出了相同的结果，但与apply 不同的是，它不会将数据帧转换为矩阵。

sapply(train[-1], function(x) length(unique(train$UNSPSC[x==1])))

【讨论】：

【解决方案2】：

如果您只有 0 和 1 列，如示例中所示，只需使用 colSums：

colSums(train[,-1]) # 在使用前删除非数字列，如 UNSPSC

# adaptor      alert       bact      blood collection     packet    patient 
#         0          0          1          2          0          0          0 
# ultrasoft       whit
#        10          0

【讨论】：

您需要按UNSPSC 计数，而不是删除它 - 这不是正确答案
对于列的总和，您应该删除它，否则它是荒谬的。请在使用简单和错误的评论忽略正确答案之前检查它。可以看到我的输出和上一个完全一样，r表达式更简洁简洁
"因此，对于列血，它将是 2，对于列超软，将是 3。" - 正如 OP 所要求的那样。你的答案不一样 - 你有 10 个用于超软。