Dataframe 基于其他两列的列的频率计数

我对r比较陌生，我有以下问题，希望你能帮我解决

我有一个列为RANDOM.s的表。 另一列显示了年份。第三列表示一些值或NA

RANDOM <- sample(c("A","B","C","D"), size = 100, replace = TRUE)
Year <- sample(c(2008,2009,2010), 100, TRUE)
Value <- sample(c(0.22, NA), 100, TRUE)

我想得到一个像这样的表格，例如，它可以告诉我，在2008年，“Value”列中的值在“RANDOM”中出现的频率

到目前为止，我只能得到一张显示我多久参加一次比赛的表格 随机和年份，但不是我第三列的计数。像这样：

     Year 2008 2009 2010 ...  
 RANDOM
 A        4    5    6
 B
 C

如果你能帮我解决这个问题，我将非常感激。

---

谢谢！：）

实际上，您已接近解决方案。我还想强调的是，首先要检查如何制作一个好的可复制示例（至少对于您的下一个问题）-->

下面是它如何查找您的数据的示例：

        # Make up some demo data

    Ticker <- sample(c("A","B","C","D"), size = 100, replace = TRUE)
    Year <- sample(c(2008,2009,2010), 100, TRUE)
    Value <- sample(c(0.22, NA), 100, TRUE)

    data <- data.frame(Ticker,Year,Value)

    # open dplyr library
    library(dplyr)

    #Group data by Ticker and year and count Values that are not NA 
    data %>% group_by(Ticker, Year) %>% summarise(count = length(Value[!is.na(Value)]))

   Ticker  Year count
   <fctr> <dbl> <int>
1       A  2008     9
2       A  2009    11
3       A  2010     7
4       B  2008    11
5       B  2009     2
6       B  2010     6
7       C  2008     7
8       C  2009    10
9       C  2010     9
10      D  2008     5
11      D  2009    12
12      D  2010    11

#制作一些演示数据
Ticker您也可以使用
计数
而不使用
摘要
；它将创建一个名为
n

# some example data
df <- data_frame(
    Ticker = c(LETTERS[1:5],LETTERS[1:5]),
    y2008 = sample(1:3,10,replace = T),
    y2009 = sample(1:3,10,replace = T),
    y2010 = sample(1:3,10,replace = T)
)

df %>% 
    gather(key,value,-Ticker) %>% 
    group_by(Ticker,key,value) %>% 
    count()

#一些示例数据
df%
聚集（键，值，-标记器）%>%
分组依据（代码、键、值）%>%
计数（）
使用aggregate（）或dplyr可以很容易地解决这个问题，但是，请提供一个可复制的示例。请不要将数据作为屏幕截图发布。使用
dput
包含最小的可表示数据集。还包括任何代码尝试。欢迎您！如果你能把问题标记为已回答并投票就好了！谢谢，祝你周末愉快！
# some example data
df <- data_frame(
    Ticker = c(LETTERS[1:5],LETTERS[1:5]),
    y2008 = sample(1:3,10,replace = T),
    y2009 = sample(1:3,10,replace = T),
    y2010 = sample(1:3,10,replace = T)
)

df %>% 
    gather(key,value,-Ticker) %>% 
    group_by(Ticker,key,value) %>% 
    count()