Fatal编程技术网
  • r/
  • 如何从R中的多个ID获取独占计数和总计数

如何从R中的多个ID获取独占计数和总计数

r dataframe

如何从R中的多个ID获取独占计数和总计数,r,dataframe,dplyr,tidyverse,R,Dataframe,Dplyr,Tidyverse,我在下面提到了R中的数据帧 CusID Date Type LogCat PriceCode C-1 2021-01-02 14:13:10 Demo C-2 2021-01-02 13:17:07 Pro SPR, DET, RTD KR C-2 2021-01-02 14:15:10

我在下面提到了R中的数据帧

CusID     Date                   Type        LogCat             PriceCode
C-1       2021-01-02 14:13:10    Demo                           
C-2       2021-01-02 13:17:07    Pro         SPR, DET, RTD      KR
C-2       2021-01-02 14:15:10    Pro         SPR, DET, RTD      SR
C-2       2021-01-02 16:14:08    Pro         SPR, DET, RTD      DE
C-3       2021-01-02 17:11:03    Pro         DET                KL
C-3       2021-01-02 12:14:24    Pro         DET                ZT
C-3       2021-01-02 12:33:34    Pro         DET                KR
C-4       2021-01-02 10:43:55    Pro                            KR
C-5       2021-01-03 20:23:35    Pro         SPR, RTD           KR
Dupt对于第一部分库
门卫
将很有帮助（即使对于第二部分）

第一部分
我在回答中添加了一些评论和解释。我认为这种方法应该有效，但有几点我不清楚：

  • 您需要每个月的摘要，但您的玩具数据只包含2021年1月的日期（我将一个条目更改为至少有两个月的工作时间）

  • 最终的输出格式应该是什么样的？您描述了一个月的
    data.frame
    应该是什么样子，但整个月的最终输出应该是什么样子？我选择了嵌套的
    tible
    ，每个月都有自己的摘要
    data.frame

  • 我假设以
    （All）
    结尾的变量包含所有事件的计数。不以
    “（All）”结尾的变量
    包含类别是唯一提及的情况的计数。这是正确的吗
  • 我不明白最终频率是如何计算的，尤其是对于
    LogCat
    。当将每个类别的计数除以
    CustID
    s的总数时，我得出的数字与您的示例输出的
    PriceCode
    相同。但是，当查看
    LogCat
    的频率时，似乎
    DET（All）
    是
    100%
    （尽管我们有3个
    CustID
    s），这表明所有
    （All）
    变量都显示了一个相对频率，应该始终是
    100%
    DET
    具有计数
    1
    和频率
    50%
    。所以在这种情况下，它似乎是相对计数。但是
    RTD（All）
    的计数为
    1
    ，频率为
    50%
    。这个频率与什么有关？如果
    TYPE！=“演示”
    是
    3

    • 除此之外，下面的代码虽然有点长，但应该可以工作，并且可以很容易地根据其他频率定义进行调整

    设置：

    #该设置包含初始数据，该初始数据经过轻微调整，以使其包含
#两个不同的月份
# 
#我们使用'tidyverse'库和一些自定义的助手函数
#初始数据：略有更改，因此它包含两个不同的月份
dat%
#又不耐烦
unnest（dat）））
    这为我们提供了以下嵌套的tibble

    res1
#>#tibble:2x2
#>#罗维：月份
#>月份数据
#>                
#> 1 2021-01 
#> 2 2021-02
    。。。其中，
    data
    列包含每个月的一个
    data.frame
    ：

    res1%>%pull（数据）
#> [[1]]
#>#tibble:3 x 3
#>n型频率
#>     
#>1共4 1
#>2演示1 0.25
#>3 Pro 3 0.75
#> 
#> [[2]]
#>#tibble:3 x 3
#>n型频率
#>     
#>1总计11
#>2演示0 0
#>3亲1 1
    要获取第二部分的
    数据帧
    ：

    最好使用不同格式的数据，以便
    PriceCode
    包含多个逗号分隔的代码，类似于
    LogCat

    res2a%
#使用`TYPE==“Demo”`筛选出所有行
过滤器（类型！=“演示”）%>%
#添加包含年和月作为字符串的月变量。
mutate（月=粘贴（substr（日期，1,4），substr（日期，6,7），sep=“-”）%>%
#按“CustID”和“month”分组`
分组依据（客户，月份）%>%
#折叠'PriceCode'，使其格式类似于'LogCat'`
mutate（PriceCode=paste（PriceCode，collapse=“，”）%%>%
#解组并删除'TYPE'和'DATE'`
解组（）%>%
选择（！c（类型、日期））
    让我们看一下第一步：

    res2a
#>#A tibble:8 x 4
#>CustID LogCat价格代码月份
#>                     
#>1 C-2“SPR、DET、RTD”KR、SR、DE 2021-01
#>2 C-2“SPR、DET、RTD”KR、SR、DE 2021-01
#>3 C-2“SPR、DET、RTD”KR、SR、DE 2021-01
#>4 C-3“DET”吉隆坡、梓潼、KR 2021-01
#>5 C-3“DET”吉隆坡、梓潼、KR 2021-01
#>6 C-3“DET”吉隆坡、梓潼、KR 2021-01
#>7 C-4 KR 2021-01
#>8 C-5“SPR，RTD”KR 2021-02
    在下一步中，我们将创建最终输出表所需的所有列：

    #首先，我们需要创建命名向量，在'LogCat'和'PriceCode'列上循环`
#或者，我们可以使用dplyover:：crossover（）（我在GitHub上维护的一个包）
logcat_cols%
strsplit（“，”）%>%
未列出%>%
trimws%>%
唯一%>%
设置名称（，粘贴0（“LogCat_uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
价格代码\u cols%
strsplit（“，”）%>%
未列出%>%
trimws%>%
唯一%>%
设置名称（、粘贴0（“价格代码”、“全部”））
res2b%
变异(
#我们需要保存月份和客户ID
月=月，
CustID=CustID，
#这为每个LogCat提供了一个虚拟列
map_dfc（logcat_cols，~as.integer（grepl（.x，logcat）），
#这为每个PriceCode提供了一个虚拟列
map_dfc（pricecode_cols，~as.integer（grepl（.x，pricecode）），
#让我们创建另一组伪列，检查类别是否是唯一提到的类别
#我们对LogCat这样做。。。
跨越（以（“LogCat”）开始，以（“全部”）结束），
列表（“d”=~if_else（行和（select（cur_data（），以（“LogCat”）开头，以（“（All）”结尾））==0.x&.x==1,1,0）），
#…对于PriceCode，现在让我们在变量名后面附加一个`_d`作为后缀
跨越（以（“价格代码”）开始，以（“全部”）结束），
列表（“d”=~if_else（行和（select（cur_data（），以（“PriceCode”）开始，以（“（All）”）结束）==1,1,0）），
#让我们为LogCat PriceCode为NA时添加一些最后的列
跨越（c（LogCat，价格代码），
~if_else（is.na（.x），1,0），
.names=“{col}\uu Blank”）

    structure(list(CustID = c("C-1", "C-2", 
"C-2", "C-2", "C-3", "C-3", 
"C-3", "C-4", "C-5"), DATE = c("2021-01-02 14:13:10", "2021-01-02 13:17:07", "2021-01-02 14:15:10", "2021-01-02 16:14:08", "2021-01-02 17:11:03", "2021-01-02 12:14:24", "2021-01-02 12:33:34", "2021-01-02 10:43:55", "2021-01-03 20:23:35"), TYPE = c("Demo", 
"Pro", "Pro", "Pro", "Pro", "Pro", "Pro", "Pro", "Pro"
), LogCat = c(NA, "SPR,DET,RTD", "SPR,DET,RTD", "SPR,DET,RTD", 
"DET", "DET", "DET", NA, " SPR, RTD "), PriceCode = c(NA,"KR", "SR", "DE", "KL", "ZT", "KR", "KR", "KR")), class = "data.frame", row.names = c(NA, 
-9L))

    

    Total         4        100.00%
Demo          1        25.00%
Pro           3        75.00%

    

    LogCat            Count        %          PriceCode       Count        %
SPR               0            0.00%      KR              1            50.00%
SPR (All)         1            50.00%     KR (All)        3            100.00%
DET               1            50.00%     SR              0            0.00%
DET (All)         2            100.00%    SR (All)        1            33.33%
RTD               0            0.00%      DE              0            0.00%
RTD (All)         1            50.00%     DE (All)        1            33.33%
Blank             1            33.33%     ZT              0            0.00%
-                 -            -          ZT (All)        1            33.33%
-                 -            -          KL              0            0.00%
-                 -            -          KL (All)        1            33.33%
-                 -            -          Blank           0            0.00%
Both Blank        0            0.00%      -               0            0.00%

    

    library(tidyverse)
library(janitor)
df %>% mutate(DATE = as.Date(DATE)) %>% select(1:3) %>%
  unique() %>%
  tabyl(TYPE, DATE) %>%
  adorn_totals("row") %>%
  adorn_percentages("col") %>%
  adorn_pct_formatting(2) %>%
  adorn_ns("front")

  TYPE  2021-01-02  2021-01-03
  Demo 1  (25.00%) 0   (0.00%)
   Pro 3  (75.00%) 1 (100.00%)
 Total 4 (100.00%) 1 (100.00%)