根据组 ID 匹配值答案

【问题标题】：Matching values based on group ID根据组 ID 匹配值
【发布时间】：2015-07-03 00:53:21
【问题描述】：

假设我有以下数据框（实际的代表非常大的数据集）

df<- structure(list(x = c(1, 1, 1, 2, 2, 3, 3, 3), y = structure(c(1L, 
6L, NA, 2L, 4L, 3L, 7L, 5L), .Label = c("all", "fall", "hello", 
"hi", "me", "non", "you"), class = "factor"), z = structure(c(5L, 
NA, 4L, 2L, 1L, 6L, 3L, 4L), .Label = c("fall", "hi", "me", "mom", 
"non", "you"), class = "factor")), .Names = c("x", "y", "z"), row.names = c(NA, 
-8L), class = "data.frame")

看起来像

>df
  x     y    z
1 1   all  non
2 1   non <NA>
3 1  <NA>  mom
4 2  fall   hi
5 2    hi fall
6 3 hello  you
7 3   you   me
8 3    me  mom

我要做的是计算每组x（1,2 或 3）中匹配值的数量。例如，组号1 有一个匹配值是"non"（NA 应该被忽略）。所需的输出如下所示：

试图以某种方式思考而不是 for-loop，因为我有一个大型数据集但无法通过。

【问题讨论】：

标签： r match

【解决方案1】：

使用dplyr:

library(dplyr)

df %>% group_by(x) %>%
       summarise(n = sum(y %in% na.omit(z)))

【讨论】：

不太清楚为什么它没有给我想要的输出。它给了我n 1 5
@AhmedSalhin 为我工作。也许plyr 正在干扰。我认为这些包有一些不兼容的地方，具体取决于它们的加载顺序。
@Frank 是的，你是对的。我分离了plyr，它对我有用。你知道如何克服干扰问题吗？
@AhmedSalhin 按plyr 和dplyr 的顺序加载，或者明确将summarise 与dplyr::summarise 一起使用
@LegalizeIt 我将在函数之前指定包，以防plyr中的另一个函数干扰dplyr

【解决方案2】：

只是为了夜间娱乐，我尝试了一个基本的 R 解决方案，这当然是丑陋的地狱。

ind <- by(df, df$x, function(x) which(na.omit(x[["y"]]) %in% na.omit(df[["z"]])))
sm <- lapply(ind, length)
cbind(unique(df$x), sm)
sm
1 1 1 
2 2 2 
3 3 2

另一种基本 R 方法，代码更少（我希望丑陋更少）：

ind <- by(df, df$x, function(x) sum(na.omit(x[["y"]]) %in% na.omit(x[["z"]])))
cbind(unique(df$x), ind)
    ind
1 1   1
2 2   2
3 3   2

【讨论】：

【解决方案3】：

这是使用by() 和match() 的解决方案：

do.call(rbind,by(df,df$x,function(g) c(x=g$x[1],n=sum(!is.na(match(g$y,g$z,inc=NA))))));
##   x n
## 1 1 1
## 2 2 2
## 3 3 2

【讨论】：

我喜欢这个基本的 R 解决方案......老实说，我的更长而且笨拙，我更喜欢这个。投票！