studio - superponer graficas en r

Cuente el número de observaciones/filas por grupo y agregue el resultado al marco de datos

Question

Digamos que tengo un objeto data.frame :

df <- data.frame(name=c(''black'',''black'',''black'',''red'',''red''),
                 type=c(''chair'',''chair'',''sofa'',''sofa'',''plate''),
                 num=c(4,5,12,4,3))

Ahora quiero contar el número de observaciones de cada combinación de name y type . Esto se puede hacer así:

table(df[ , c("name","type")])

o posiblemente también con plyr , (aunque no estoy seguro de cómo).

Sin embargo, ¿cómo obtengo los resultados incorporados en el marco de datos original? Para que los resultados se vean así:

df
#    name  type num count
# 1 black chair   4     2
# 2 black chair   5     2
# 3 black  sofa  12     1
# 4   red  sofa   4     1
# 5   red plate   3     1

donde count ahora almacena los resultados de la agregación.

Una solución con plyr podría ser interesante para aprender también, aunque me gustaría ver cómo se hace esto con la base R.

Answer 1

El aggregate función base R obtendrá los recuentos con un solo liner, pero al agregar esos recuentos a los datos originales, el data.frame parece tardar un poco de procesamiento.

df <- data.frame(name=c(''black'',''black'',''black'',''red'',''red''),
                 type=c(''chair'',''chair'',''sofa'',''sofa'',''plate''),
                 num=c(4,5,12,4,3))
df
#    name  type num
# 1 black chair   4
# 2 black chair   5
# 3 black  sofa  12
# 4   red  sofa   4
# 5   red plate   3

rows.per.group  <- aggregate(rep(1, length(paste0(df$name, df$type))),
                             by=list(df$name, df$type), sum)
rows.per.group
#   Group.1 Group.2 x
# 1   black   chair 2
# 2     red   plate 1
# 3   black    sofa 1
# 4     red    sofa 1

my.summary <- do.call(data.frame, rows.per.group)
colnames(my.summary) <- c(colnames(df)[1:2], ''rows.per.group'')
my.data <- merge(df, my.summary, by = c(colnames(df)[1:2]))
my.data
#    name  type num rows.per.group
# 1 black chair   4              2
# 2 black chair   5              2
# 3 black  sofa  12              1
# 4   red plate   3              1
# 5   red  sofa   4              1

Answer 2

Estabas a un paso de incorporar el recuento de filas en el conjunto de datos base.

Usando la función tidy() del paquete broom , convierta la tabla de frecuencias en un marco de datos y una unión interna con df :

df <- data.frame(name=c(''black'',''black'',''black'',''red'',''red''),
                         type=c(''chair'',''chair'',''sofa'',''sofa'',''plate''),
                         num=c(4,5,12,4,3))
library(broom)
df <- merge(df, tidy(table(df[ , c("name","type")])), by=c("name","type"))
df
   name  type num Freq
1 black chair   4    2
2 black chair   5    2
3 black  sofa  12    1
4   red plate   3    1
5   red  sofa   4    1

Answer 3

Esto debería hacer tu trabajo:

df_agg <- aggregate(num~name+type,df,FUN=NROW)
names(df_agg)[3] <- "count"
df <- merge(df,df_agg,by=c(''name'',''type''),all.x=TRUE)

Answer 4

Otra forma que generaliza más:

df$count <- unsplit(lapply(split(df, df[c("name","type")]), nrow), df[c("name","type")])

Answer 5

Puedes hacerlo:

> ddply(df,.(name,type),transform,count = NROW(piece))
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red plate   3     1
5   red  sofa   4     1

o quizás más intuitivamente,

> ddply(df,.(name,type),transform,count = length(num))
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red plate   3     1
5   red  sofa   4     1

Answer 6

Puedes usar ave :

df$count <- ave(df$num, df[,c("name","type")], FUN=length)

Answer 7

Una alternativa de dos líneas es generar una variable de 0 y luego completarla con split<- , split y lengths como esta:

# generate vector of 0s
df$count <-0L

# fill it in
split(df$count, df[c("name", "type")]) <- lengths(split(df$num, df[c("name", "type")]))

Esto devuelve el resultado deseado

df
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red  sofa   4     1
5   red plate   3     1

Esencialmente, el RHS calcula las longitudes de cada combinación de nombre y tipo, devolviendo un vector con nombre de longitud 6 con 0 para "red.chair" y "black.plate". Esto se alimenta al LHS con split <- que toma el vector y apropiadamente agrega los valores en sus puntos dados. Esto es esencialmente lo que ave hace, como se puede ver que la segunda a la línea final de ave es

split(x, g) <- lapply(split(x, g), FUN)

Sin embargo, lengths es una versión optimizada de sapply(list, length) .

Answer 8

Usando plyr :

plyr::ddply(df, .(name, type), transform, count = length(num))

Usando data.table :

library(data.table)
dt = data.table(df)
# using setkey or setkeyv to set the key
setkeyv(dt, c(''name'', ''type''))
# self 
dt[dt[ , count = length(num), ''name, type'']]

EDITAR (mnel)

El uso de data.table versión 1.8.2 o superior tiene := por grupo. También está el valor .N (versión introducida 1.6.2), que es el número de filas del grupo, así que es tan fácil como

dt[ , count := .N, by = list(name, type)]

Usando dplyr :

library(dplyr)
df %>%
  group_by(name, type) %>%
  mutate(count = n())

Con la nueva versión de dplyr ( 0.6.0 )

df %>% 
   add_count(name, type)