sheet - Tidyr cómo propagarse en el recuento de la ocurrencia

tidyr cheat sheet

Question

Tener un marco de datos como este

other=data.frame(name=c("a","b","a","c","d"),result=c("Y","N","Y","Y","N"))

¿Cómo puedo usar la función de extensión en tidyr u otra función para obtener el recuento del resultado Y o N como encabezado de columna como este?

name       Y   N
a          2   0
b          0   1

Gracias

Answer 1

Aquí hay otra opción usando dcast de data.table

library(data.table)
dcast(setDT(other), name~result, length)
#    name N Y
#1:    a 0 2
#2:    b 1 0
#3:    c 0 1
#4:    d 1 0

Aunque, table(other) sería una opción compacta (de los comentarios de @mtoto), para grandes conjuntos de datos, puede ser más eficiente usar dcast . Algunos puntos de referencia se dan a continuación

set.seed(24)
other1 <- data.frame(name = sample(letters, 1e6, replace=TRUE), 
    result = sample(c("Y", "N"), 1e6, replace=TRUE), stringsAsFactors=FALSE)

other2 <- copy(other1)

gopala1 <- function() other1 %>% 
                          group_by(name) %>%
                          summarise(N = sum(result == ''N''), Y = sum(result == ''Y''))
gopala2 <- function() spread(as.data.frame(table(other1)), result, Freq)
gopala3 <- function() spread(count(other1, name, result), result, n, fill = 0)
akrun <- function() dcast(as.data.table(other2), name~result, length)


library(microbenchmark)
microbenchmark(gopala1(), gopala2(), gopala3(),
                    akrun(), unit=''relative'', times = 20L)
#      expr      min       lq     mean   median       uq      max neval
# gopala1() 2.710561 2.331915 2.142183 2.325167 2.134399 1.513725    20
# gopala2() 2.859464 2.564126 2.531130 2.683804 2.720833 1.982760    20
# gopala3() 2.345062 2.076400 1.953136 2.027599 1.882079 1.947759    20
#   akrun() 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000    20

Answer 2

Estas son algunas formas de que muchos lo hagan:

1) Con la biblioteca dplyr , puede simplemente agrupar elementos y contar en el formato necesario:

library(dplyr)
other %>% group_by(name) %>% summarise(N = sum(result == ''N''), Y = sum(result == ''Y''))
Source: local data frame [4 x 3]

    name     N     Y
  <fctr> <int> <int>
1      a     0     2
2      b     1     0
3      c     0     1
4      d     1     0

2) Puede usar una combinación de table y extensión de tidyr siguiente manera:

library(tidyr)
spread(as.data.frame(table(other)), result, Freq)
  name N Y
1    a 0 2
2    b 1 0
3    c 0 1
4    d 1 0

3) Puede usar una combinación de dplyr y tidyr para hacer lo siguiente:

library(dplyr)
library(tidyr)
spread(count(other, name, result), result, n, fill = 0)
Source: local data frame [4 x 3]
Groups: name [4]

    name     N     Y
  <fctr> <dbl> <dbl>
1      a     0     2
2      b     1     0
3      c     0     1
4      d     1     0