如何通过删除重复项并添加出现频率（而不是在R中）来扩大此数据帧？

我试过下面的代码，但频率列只给出0和1。我要实际的数目

data2 <- as.data.frame(table(unique.data.frame(data))))

我想要这个：

ID    Rating    Freq
12    Good      2
16    Good      1
16    Bad       1
16    Very Bad  1
34    Very Good 1

---

您可以在

dplyr

library(dplyr)
df %>% group_by(ID, Rating) %>% tally()

并自动排序：

df %>% group_by(ID, Rating) %>% tally(sort = TRUE)

---

您可以在

dplyr

library(dplyr)
df %>% group_by(ID, Rating) %>% tally()

并自动排序：

df %>% group_by(ID, Rating) %>% tally(sort = TRUE)

---

您可以在

dplyr

library(dplyr)
df %>% group_by(ID, Rating) %>% tally()

并自动排序：

df %>% group_by(ID, Rating) %>% tally(sort = TRUE)

---

您可以在

dplyr

library(dplyr)
df %>% group_by(ID, Rating) %>% tally()

并自动排序：

df %>% group_by(ID, Rating) %>% tally(sort = TRUE)

---

您可以使用

count（）

函数，并结合

ID

和

评级进行计数：

> library(dplyr)
> data_count <- count(data, c("ID", "Rating"))
> data_count
  ID    Rating    Freq
  12    Good      2
  16    Good      1
  16    Bad       1
  16    Very Bad  1
  34    Very Good 1

>库（dplyr）
>数据计数数据计数
ID额定频率
12好的2
16良好1
16坏的1
非常糟糕
很好
您可以使用
count（）
功能，并通过
ID
和
评级组合进行计数：

> library(dplyr)
> data_count <- count(data, c("ID", "Rating"))
> data_count
  ID    Rating    Freq
  12    Good      2
  16    Good      1
  16    Bad       1
  16    Very Bad  1
  34    Very Good 1

>库（dplyr）
>数据计数数据计数
ID额定频率
12好的2
16良好1
16坏的1
非常糟糕
很好
您可以使用
count（）
功能，并通过
ID
和
评级组合进行计数：

> library(dplyr)
> data_count <- count(data, c("ID", "Rating"))
> data_count
  ID    Rating    Freq
  12    Good      2
  16    Good      1
  16    Bad       1
  16    Very Bad  1
  34    Very Good 1

>库（dplyr）
>数据计数数据计数
ID额定频率
12好的2
16良好1
16坏的1
非常糟糕
很好
您可以使用
count（）
功能，并通过
ID
和
评级组合进行计数：

> library(dplyr)
> data_count <- count(data, c("ID", "Rating"))
> data_count
  ID    Rating    Freq
  12    Good      2
  16    Good      1
  16    Bad       1
  16    Very Bad  1
  34    Very Good 1

>库（dplyr）
>数据计数数据计数
ID额定频率
12好的2
16良好1
16坏的1
非常糟糕
很好
代码中的
唯一
给出了数据集的唯一行，因此
表
的输出将仅为“1”或“0”，具体取决于组合是否存在。相反，我们可以在整个数据集上应用
表
，并且
子集
不是“0”的“Freq”

 subset(as.data.frame(table(df1)), Freq!=0)
 #   ID    Rating Freq
 #2  16       Bad    1
 #4  12      Good    2
 #5  16      Good    1
 #8  16  Very Bad    1
 #12 34 Very Good    1

代码中的
unique
给出了数据集的唯一行，因此
表
的输出将仅为“1”或“0”，具体取决于组合是否存在。相反，我们可以在整个数据集上应用
表
，并且
子集
不是“0”的“Freq”

 subset(as.data.frame(table(df1)), Freq!=0)
 #   ID    Rating Freq
 #2  16       Bad    1
 #4  12      Good    2
 #5  16      Good    1
 #8  16  Very Bad    1
 #12 34 Very Good    1

代码中的
unique
给出了数据集的唯一行，因此
表
的输出将仅为“1”或“0”，具体取决于组合是否存在。相反，我们可以在整个数据集上应用
表
，并且
子集
不是“0”的“Freq”

 subset(as.data.frame(table(df1)), Freq!=0)
 #   ID    Rating Freq
 #2  16       Bad    1
 #4  12      Good    2
 #5  16      Good    1
 #8  16  Very Bad    1
 #12 34 Very Good    1

代码中的
unique
给出了数据集的唯一行，因此
表
的输出将仅为“1”或“0”，具体取决于组合是否存在。相反，我们可以在整个数据集上应用
表
，并且
子集
不是“0”的“Freq”

 subset(as.data.frame(table(df1)), Freq!=0)
 #   ID    Rating Freq
 #2  16       Bad    1
 #4  12      Good    2
 #5  16      Good    1
 #8  16  Very Bad    1
 #12 34 Very Good    1

你想做直方图吗？它最终会变成条形图。你想做直方图吗？它最终会变成条形图。你想做直方图吗？它最终会变成条形图。你想做直方图吗？它最终会变成条形图。
count（）
在
dplyr
中-您可能需要明确说明这一点，因为在base中没有base
count
函数-
aggregate
也这样做：
aggregate（list（Freq=dat$ID），dat，FUN=length）
count（）
在
dplyr
中-您可能需要明确说明这一点，因为在base中没有base
count
函数-
aggregate
也这样做：
aggregate（list（Freq=dat$ID），dat，FUN=length）
count（）
在
dplyr
中-您可能需要明确说明这一点，因为在base中没有base
count
函数-
aggregate
也这样做：
aggregate（list（Freq=dat$ID），dat，FUN=length）
count（）
位于
dplyr
中-您可能需要明确说明这一点，因为在base中没有base
count
函数-
aggregate
也这样做：
aggregate（list（Freq=dat$ID），dat，FUN=length）