如何使用R计算子组中的出现次数？

我有以下

data.frame

（

dput（）

在问题的末尾）

我的目标是创建一个

data.frame

，在这里我可以看到

linkId

上随时有多少辆车。 如果车辆在时间x处于链路上，则可从

新到达时间

（到达）和

下到达时间

（离开）得出。对于链路90上的

time=12

（12小时），必须计算有多少辆车的

new\u arr\u time=12

。总共最多有48个时间箱（如果为0，则无需设置时间箱）

所需表格应具有以下结构：

linkId  time    count
90      0.0     3
90      0.5     x
90      1.0     y
...
389     0.0     z
...

我的任务是创建一个有效的循环来执行此操作

提前谢谢你

数据：

---

我不明白你的意思：

让他们的新到达时间=12

但是，例如，如果我们假设使用duration（或另一个计算值）就足够了，则可以使用R base中的

aggregate

或packagedplyr进行这样的聚合，而无需任何循环：

d %>% group_by(linkId, duration) %>% summarize(count = n())

with(d, aggregate(list(count = linkId), list(linkId = linkId, duration=duration), length))

或带“基本R”（不带dplyr）：

---

我希望我现在能更好地理解它，下面是一种基于

outer

产品的方法，该方法使用包tidyr处理数据。它比循环占用更多内存，但也更紧凑：

library("tidyr")
library("dplyr")

## half hour time slots
tm <- seq(0, 24, 0.5)

## Test if a value is in the interval. Please check manually with some examples.
## second version is more robust against IEEE floating point deviations
# fun <- function(i, x) (d[i, "new_arr_time"] <= x) & (x <= d[i, "dep_time"])
fun <- function(i, x) (d[i, "new_arr_time"] - x < 1e-6) & (x - d[i, "dep_time"] < 1e-6)

## outer creates all combinations between LinkIDs and time slots
expanded <- data.frame(outer(1:nrow(d), tm, fun))
names(expanded) <- tm

cbind(linkId=d$linkId, expanded) %>%
  pivot_longer(-linkId, names_to = "time", values_to = "count") %>%
  group_by(linkId, time) %>%
  summarize(count = sum(count))

图书馆（“tidyr”）
图书馆（“dplyr”）
##半小时时段
tm我的意思是，在这个例子中，到达时间必须在12点之前，离开时间必须在12点之后。谢谢你的例子。我相信，尽管它没有达到预期的效果。我必须知道在一个链接的特定时间有多少辆车。你的代码告诉我在一个链接上有多少个站点停留了多长时间，但不知道它们是否同时存在。为什么我想知道你说的“30分钟时间段”和“12”是什么意思。是晚些时候吗？是否有（有限的）一套“垃圾箱”？48？我把它改成了每小时一次的垃圾箱，让它更容易理解。之前还不清楚。我挣扎了很长时间，直到我意识到包裹碰撞
dplyr:：summary（count=sum（count））
解决了这个问题。非常感谢你的帮助！！！
with(d, aggregate(list(count = linkId), list(linkId = linkId, duration=duration), length))


library("tidyr")
library("dplyr")

## half hour time slots
tm <- seq(0, 24, 0.5)

## Test if a value is in the interval. Please check manually with some examples.
## second version is more robust against IEEE floating point deviations
# fun <- function(i, x) (d[i, "new_arr_time"] <= x) & (x <= d[i, "dep_time"])
fun <- function(i, x) (d[i, "new_arr_time"] - x < 1e-6) & (x - d[i, "dep_time"] < 1e-6)

## outer creates all combinations between LinkIDs and time slots
expanded <- data.frame(outer(1:nrow(d), tm, fun))
names(expanded) <- tm

cbind(linkId=d$linkId, expanded) %>%
  pivot_longer(-linkId, names_to = "time", values_to = "count") %>%
  group_by(linkId, time) %>%
  summarize(count = sum(count))