Je pense que cela peut avoir une solution simple mais j'ai du mal à décrire ce que je dois faire (et donc ce que je dois rechercher). Je pense que j'ai besoin de la fonction résumé . La sortie de mon objectif est tout en bas.
J'essaie de compter les occurrences d'une valeur entre chaque valeur unique dans une autre colonne. Voici un exemple df qui, espérons-le, illustre ce que je dois faire.
name count medianDate life wins chicken beef fish 1 dinah 2 1999-01-13 25 days 19 1 1 0 2 lucy 4 1999-03-29 75 days 69 1 1 2 3 sora 9 1999-09-08 200 days 101 3 3 3
Entre autres, j'essaie de résumer (additionner) les types des repas que chaque nom a pris en utilisant ces données.
df %>%
group_by(name) %>%
summarise(count=n(),
medianDate=median(date),
life=(max(date)-min(date)),
wins=sum(num.wins))
# A tibble: 3 x 5
name count medianDate life wins
<chr> <int> <date> <time> <int>
1 dinah 2 1999-01-13 25 days 19
2 lucy 4 1999-03-29 75 days 69
3 sora 9 1999-09-08 200 days 101
J'ai fait des progrès avec d'autres calculs qui m'intéressent, ci-dessous:
df # A tibble: 15 x 4 name meal date num.wins <chr> <chr> <date> <int> 1 dinah chicken 1999-01-01 8 2 dinah beef 1999-01-26 11 3 lucy fish 1999-02-20 16 4 lucy chicken 1999-03-17 25 5 lucy beef 1999-04-11 5 6 lucy fish 1999-05-06 23 7 sora chicken 1999-05-31 27 8 sora beef 1999-06-25 15 9 sora fish 1999-07-20 14 10 sora chicken 1999-08-14 1 11 sora beef 1999-09-08 4 12 sora fish 1999-10-03 3 13 sora chicken 1999-10-28 13 14 sora beef 1999-11-22 6 15 sora fish 1999-12-17 18
3 Réponses :
Je ne suis pas tout à fait sûr de savoir pourquoi j'obtiens le formatage funky pour life , mais je pense que cela répond à votre besoin de compter les types de repas.
df %>%
group_by(name) %>%
summarise(count=n(),
medianDate=median(date),
life=(max(date)-min(date)),
wins=sum(num.wins),
chicken = sum(meal == "chicken"),
beef = sum(meal == "beef"),
fish = sum(meal == "fish"))
# A tibble: 3 x 8
name count medianDate life wins chicken beef fish
<chr> <int> <date> <time> <int> <int> <int> <int>
1 dinah 2 1999-01-13 " 25 days" 19 1 1 0
2 lucy 4 1999-03-29 " 75 days" 69 1 1 2
3 sora 9 1999-09-08 200 days 101 3 3 3
merci cette réponse est utile et beaucoup plus simple que je ne le pensais. J'ai vérifié la réponse de Gregor car dans mon cas j'ai beaucoup de "nourritures" et sa méthode ne m'oblige pas à les lister manuellement. Merci encore
Une option consiste à utiliser table dans summary comme colonne list , unnest puis étendre au format "large"
library(tidyverse)
df %>%
group_by(name) %>%
summarise(count=n(),
medianDate=median(date),
life=(max(date)-min(date)),
wins=sum(num.wins),
n = list(enframe(table(meal))) ) %>%
unnest %>%
spread(name1, value, fill = 0)
# A tibble: 3 x 8
# name count medianDate life wins beef chicken fish
# <chr> <int> <date> <time> <int> <dbl> <dbl> <dbl>
#1 dinah 2 1999-01-13 25 days 19 1 1 0
#2 lucy 4 1999-03-29 75 days 69 1 1 2
#3 sora 9 1999-09-08 200 days 101 3 3 3
C'est aussi génial, si je n'avais pas utilisé la réponse cochée, j'aurais utilisé celle-ci. Je vous remercie
Bien que plus ancien, et peut-être sur un chemin de dépréciation, reshape2 :: dcast le fait bien:
df %>%
group_by(name) %>%
summarise(count=n(),
medianDate=median(date),
life=(max(date)-min(date)),
wins=sum(num.wins)) %>%
left_join(reshape2::dcast(df, name ~ meal))
# # A tibble: 3 x 8
# name count medianDate life wins beef chicken fish
# <chr> <int> <date> <time> <int> <int> <int> <int>
# 1 dinah 2 1999-01-13 25 days 19 1 1 0
# 2 lucy 4 1999-03-29 75 days 69 1 1 2
# 3 sora 9 1999-09-08 200 days 101 3 3 3
Vous pouvez comprendre la formule sous forme de lignes ~ colonnes . Par défaut, il agrégera les valeurs dans les colonnes en utilisant la fonction length --- qui donne exactement ce que vous voulez, le nombre de chacun.
Ceci peut être facilement joint à vos données récapitulatives:
reshape2::dcast(df, name ~ meal) # name beef chicken fish # 1 dinah 1 1 0 # 2 lucy 1 1 2 # 3 sora 3 3 3
Je suppose que vous pouvez utiliser
spreaddu package tidyr et fusionner / joindre avec votre table résumée.