seleccionar - contar el número de filas en un marco de datos en R basado en el grupo

promedio de filas en r

Question

Esta pregunta ya tiene una respuesta aquí:

• Contar el número de filas dentro de cada grupo 11 respuestas

Tengo un marco de datos en R como este:

  ID   MONTH-YEAR   VALUE
  110   JAN. 2012     1000
  111   JAN. 2012     2000
         .         .
         .         .
  121   FEB. 2012     3000
  131   FEB. 2012     4000
         .           .
         .           .

Por lo tanto, para cada mes de cada año hay n filas y pueden estar en cualquier orden (es decir, no todas están en continuidad y están en pausas). Quiero calcular cuántas filas hay para cada MONTH-YEAR es decir, cuántas filas hay para JAN. 2012, cuántos para FEB. 2012 y así sucesivamente. Algo como esto:

 MONTH-YEAR   NUMBER OF ROWS
 JAN. 2012     10
 FEB. 2012     13
 MAR. 2012     6
 APR. 2012     9

Traté de hacer esto:

n_row <- nrow(dat1_frame %.% group_by(MONTH-YEAR))

pero no produce la salida deseada. ¿Cómo puedo hacer eso?

Answer 1

Aquí hay otra forma de usar aggregate para contar filas por grupo:

my.data <- read.table(text = ''
    month.year    my.cov
      Jan.2000     apple
      Jan.2000      pear
      Jan.2000     peach
      Jan.2001     apple
      Jan.2001     peach
      Feb.2002      pear
'', header = TRUE, stringsAsFactors = FALSE, na.strings = NA)

rows.per.group  <- aggregate(rep(1, length(my.data$month.year)),
                             by=list(my.data$month.year), sum)
rows.per.group

#    Group.1 x
# 1 Feb.2002 1
# 2 Jan.2000 3
# 3 Jan.2001 2

Answer 2

Aquí hay un ejemplo que muestra cómo la table(.) (O, más cercanamente coincidente con su salida deseada, data.frame(table(.)) Hace lo que parece que está pidiendo.

Tenga en cuenta también cómo compartir datos de muestra reproducibles de forma que otros puedan copiar y pegar en su sesión.

Aquí están los datos de muestra (reproducibles):

mydf <- structure(list(ID = c(110L, 111L, 121L, 131L, 141L), 
                       MONTH.YEAR = c("JAN. 2012", "JAN. 2012", 
                                      "FEB. 2012", "FEB. 2012", 
                                      "MAR. 2012"), 
                       VALUE = c(1000L, 2000L, 3000L, 4000L, 5000L)), 
                  .Names = c("ID", "MONTH.YEAR", "VALUE"), 
                  class = "data.frame", row.names = c(NA, -5L))

mydf
#    ID MONTH.YEAR VALUE
# 1 110  JAN. 2012  1000
# 2 111  JAN. 2012  2000
# 3 121  FEB. 2012  3000
# 4 131  FEB. 2012  4000
# 5 141  MAR. 2012  5000

Aquí está el cálculo del número de filas por grupo, en dos formatos de visualización de salida:

table(mydf$MONTH.YEAR)
# 
# FEB. 2012 JAN. 2012 MAR. 2012 
#         2         2         1

data.frame(table(mydf$MONTH.YEAR))
#        Var1 Freq
# 1 FEB. 2012    2
# 2 JAN. 2012    2
# 3 MAR. 2012    1

Answer 3

Intenta usar la función de conteo en dplyr:

library(dplyr)
dat1_frame %>% 
    count(MONTH.YEAR)

No estoy seguro de cómo obtuviste MES-AÑO como nombre de variable. Mi versión R no permite ese nombre de variable, así que lo reemplacé con MONTH.YEAR.

Como nota al margen, el error en su código fue que dat1_frame %.% group_by(MONTH-YEAR) sin una función de summarise devuelve el marco de datos original sin ninguna modificación. Entonces, quieres usar

dat1_frame %>%
    group_by(MONTH.YEAR) %>%
    summarise(count=n())

Answer 4

La función count() en plyr hace lo que quiere:

library(plyr)

count(mydf, "MONTH-YEAR")

Answer 5

Solo para completar la solución data.table:

library(data.table)

mydf <- structure(list(ID = c(110L, 111L, 121L, 131L, 141L), 
                       MONTH.YEAR = c("JAN. 2012", "JAN. 2012", 
                                      "FEB. 2012", "FEB. 2012", 
                                      "MAR. 2012"), 
                       VALUE = c(1000L, 2000L, 3000L, 4000L, 5000L)), 
                  .Names = c("ID", "MONTH.YEAR", "VALUE"), 
                  class = "data.frame", row.names = c(NA, -5L))

setDT(mydf)
mydf[, .(`Number of rows` = .N), by = MONTH.YEAR]

   MONTH.YEAR Number of rows
1:  JAN. 2012              2
2:  FEB. 2012              2
3:  MAR. 2012              1

Answer 6

Supongamos que tenemos un marco de datos df_data como se muestra a continuación

> df_data
   ID MONTH-YEAR VALUE
1 110   JAN.2012  1000
2 111   JAN.2012  2000
3 121   FEB.2012  3000
4 131   FEB.2012  4000
5 141   MAR.2012  5000

Para contar el número de filas en df_data agrupadas por columna MONTH-YEAR, puede usar:

> summary(df_data$`MONTH-YEAR`)

FEB.2012 JAN.2012 MAR.2012 
   2        2        1 

la función de resumen creará una tabla a partir del argumento factor, luego creará un vector para el resultado (líneas 7 y 8)

Answer 7

Utilizando el conjunto de datos de ejemplo que Ananda modificó, aquí hay un ejemplo que usa aggregate() , que es parte del núcleo R. aggregate() solo necesita algo para contar como función de los diferentes valores de MONTH-YEAR . En este caso, utilicé VALUE como lo que se debe contar:

aggregate(cbind(count = VALUE) ~ MONTH.YEAR, 
          data = mydf, 
          FUN = function(x){NROW(x)})

que te da ...

  MONTH.YEAR count
1  FEB. 2012     2
2  JAN. 2012     2
3  MAR. 2012     1

Answer 8

library(plyr)
ddply(data, .(MONTH-YEAR), nrow)

Esto le dará la respuesta, si "MONTH-YEAR" es una variable. Primero, intente con unique (data $ MONTH-YEAR) y vea si devuelve valores únicos (sin duplicados).

Luego, por encima de simple split-apply-combine devolverá lo que está buscando.