R data.table中的条件唯一计数

我想按组统计数据集中的冲突数。我觉得在data.table中必须有一种简单的方法来实现这一点，但似乎无法理解。我创建了一个虚拟变量，告诉我data.table的每一行是否存在冲突：

testDT <- data.table(Name = c(rep('A',6),rep('B',5)),
                     Division = c(rep(11,6),rep(12,5)),
                     ID = c(205,205,NA,201,201,201,203,203,203,204,NA),
                     Conflict = c(0,0,0,1,1,1,1,1,1,1,0))

---

我一直在考虑如何使用

sum（！is.na（unique（ID））

，但我不知道如何有条件地计算唯一值，而不在data.table的I部分创建条件

（Conflict==1）

您可以根据data.table

[]

中的条件对

ID

变量进行子集划分，然后计算唯一值：

library(data.table)
testDT[, Count := uniqueN(ID[!is.na(ID) & Conflict == 1]), by=.(Name, Division)]
testDT
#     Name Division  ID Conflict Count
#  1:    A       11 205        0     1
#  2:    A       11 205        0     1
#  3:    A       11  NA        0     1
#  4:    A       11 201        1     1
#  5:    A       11 201        1     1
#  6:    A       11 201        1     1
#  7:    B       12 203        1     2
#  8:    B       12 203        1     2
#  9:    B       12 203        1     2
# 10:    B       12 204        1     2
# 11:    B       12  NA        0     2

或者按照你的逻辑：

testDT[, Count := sum(!is.na(unique(ID[Conflict == 1]))), by=.(Name, Division)]

---

这里有一个带有

dplyr

library(dplyr)
testDT %>%
    group_by(Name, Division) %>% 
    mutate(Count = n_distinct(ID[!is.na(ID) & Conflict==1]))
#    Name Division    ID Conflict Count
#   <chr>    <dbl> <dbl>    <dbl> <int>
#1      A       11   205        0     1
#2      A       11   205        0     1
#3      A       11    NA        0     1
#4      A       11   201        1     1
#5      A       11   201        1     1
#6      A       11   201        1     1
#7      B       12   203        1     2
#8      B       12   203        1     2
#9      B       12   203        1     2
#10     B       12   204        1     2
#11     B       12    NA        0     2

库（dplyr）
testDT%>%
按（姓名、部门）分组%>%
mutate（Count=n_distinct（ID[！is.na（ID）&Conflict==1]））
#名称分区ID冲突计数
#             
#1A 1120501
#2 A 11 205 0 1
#3 A 11 NA 0 1
#4 A 11 201 1 1
#5 A 11 201 1 1
#6 A 11 201 1
#7 B 12 203 1 2
#8 B 12 203 1 2
#9 B 12 203 1 2
#10B1220412
#11 B 12 NA 0 2

为什么条件在

j

内？我想会慢一些

testDT[！is.na（ID）&Conflict==1，Count:=uniqueN（ID），by=（Name，Division）]

对整个表执行所有逻辑测试，而不是对每个组执行测试。除非我看不到什么。这将为这些行分配

NA

s。取决于@shughes，如果这很重要的话……哦，还有一件事

uniqueN

有一个

na.rm

参数，因此您可以使用它来代替条件作用！是的。不过，根据您使用的版本，这可能会给您带来一个bug。（我必须更新才能通过它）

library(dplyr)
testDT %>%
    group_by(Name, Division) %>% 
    mutate(Count = n_distinct(ID[!is.na(ID) & Conflict==1]))
#    Name Division    ID Conflict Count
#   <chr>    <dbl> <dbl>    <dbl> <int>
#1      A       11   205        0     1
#2      A       11   205        0     1
#3      A       11    NA        0     1
#4      A       11   201        1     1
#5      A       11   201        1     1
#6      A       11   201        1     1
#7      B       12   203        1     2
#8      B       12   203        1     2
#9      B       12   203        1     2
#10     B       12   204        1     2
#11     B       12    NA        0     2