J'essaie de trouver un moyen de créer une colonne dans mon dataframe qui listera les occurrences de chaque combinaison unique de personID et d'exercice fiscal.
J'ai un dataframe configuré avec des variables comme ceci:
Person.Id Reported.Fiscal.Year year 250 2017 1 250 2017 2 250 2018 1 300 2018 1 511 2019 1 300 2018 2 700 2017 1
Donc, dans cet exemple, je veux créer une colonne supplémentaire dans le df ci-dessus qui a quelque chose comme `` année '' qui listerait l'année 1 pour les deux occurrences de l'id 250 et de l'année 2017, mais ont l'année 2 pour l'ID 250 et l'année fiscale 2018. Comme ceci:
df1 <- df1 %>% arrange(Person.Id,Reported.Fiscal.Year) df2<- df1 %>% group_by(Person.Id,Reported.Fiscal.Year) %>% mutate(year=row_number())
J'ai essayé le code suivant:
Person.Id Reported.Fiscal.Year year 250 2017 1 250 2017 1 250 2018 2 300 2018 1 511 2019 1 300 2018 1 700 2017 1
Mais cela aboutit à un bloc de données qui ressemble à ceci (comptant essentiellement les occurrences de chaque année par ID):
Person.Id Reported.Fiscal.Year 250 2017 250 2017 250 2018 300 2018 511 2019 300 2018 700 2017
3 Réponses :
Bienvenue dans SO!
J'ai dû résumer vos données avant, peut-être que quelqu'un peut vous fournir une solution plus simple
library(tidyverse)
df_example <- read_table("Person.Id Reported.Fiscal.Year
250 2017
250 2017
250 2018
300 2018
511 2019
300 2018
700 2017")
df_example_summary <- df_example %>%
group_by(Person.Id,Reported.Fiscal.Year) %>%
summarise(number_reports = n(),,.groups = "drop_last") %>%
mutate(Year = row_number()) %>%
ungroup()
df_example %>%
left_join(df_example_summary)
#> Joining, by = c("Person.Id", "Reported.Fiscal.Year")
#> # A tibble: 7 x 4
#> Person.Id Reported.Fiscal.Year number_reports Year
#> <dbl> <dbl> <int> <int>
#> 1 250 2017 2 1
#> 2 250 2017 2 1
#> 3 250 2018 1 2
#> 4 300 2018 2 1
#> 5 511 2019 1 1
#> 6 300 2018 2 1
#> 7 700 2017 1 1
Créé le 2020-07-06 par le package reprex (v0.3.0)
Si je comprends bien, vous voulez énumérer les occurrences d'identifiants à travers les années?
J'ai utilisé des morceaux de votre code, vous étiez proche. Il vous suffit de choisir lignes distinctes pour compter les occurrences avec:
arrange () les deux colonnes, li>
group_by () ID pour compter les exercices pour chaque identifiant, distinct () , c'est-à-dire uniques combinaisons d'identifiant et d'exercice, mutate () avec row_number () comme vous l'avez fait, Voir les commentaires dans le code:
library(dplyr)
# your example data
df <- read.table(header = TRUE, text = "
Person.Id Reported.Fiscal.Year
250 2017
250 2017
250 2018
300 2018
511 2019
300 2018
700 2017
")
# 1. arrange by ids and years (this is what you did)
# 2. group by ids to be able to count different fiscal years
# 3. choose only unique combinations of ids and fiscal years
# 4. use row numbers (as you did)
# 5. merge new column to original data
df %>%
arrange(Person.Id, Reported.Fiscal.Year) %>%
group_by(Person.Id) %>%
distinct() %>%
mutate(year = row_number()) %>%
inner_join(df, .)
#> Joining, by = c("Person.Id", "Reported.Fiscal.Year")
#> Person.Id Reported.Fiscal.Year year
#> 1 250 2017 1
#> 2 250 2017 1
#> 3 250 2018 2
#> 4 300 2018 1
#> 5 511 2019 1
#> 6 300 2018 1
#> 7 700 2017 1
Créé le 06/07/2020 par le paquet reprex (v0.3.0)
Voici une alternative aux très belles solutions basées sur les jointures de @Petr & @ Bruno. Celui-ci fonctionne en construisant un nombre cumulatif d'années uniques pour chaque personne.
library(readr)
df <- read_table("Person.Id Reported.Fiscal.Year
250 2017
250 2017
250 2018
300 2018
511 2019
300 2018
700 2017")
library(dplyr)
df %>%
arrange(Person.Id, Reported.Fiscal.Year) %>%
group_by(Person.Id) %>%
mutate(year = cumsum(!duplicated(Reported.Fiscal.Year)))
#> # A tibble: 7 x 3
#> # Groups: Person.Id [4]
#> Person.Id Reported.Fiscal.Year year
#> <dbl> <dbl> <int>
#> 1 250 2017 1
#> 2 250 2017 1
#> 3 250 2018 2
#> 4 300 2018 1
#> 5 300 2018 1
#> 6 511 2019 1
#> 7 700 2017 1
Créé le 2020-07-06 par le paquet reprex (v0.3.0)
Cela devrait être beaucoup plus rapide! Belle solution
Bien, Ryan! @Bruno, oui, sur mon ordinateur, c'est ~ 1,5 fois plus rapide que nos solutions d'adhésion! :-)