dplyr使用group_by和rowwise do对累积集合计数进行分组

我对数据进行了分组，分组中的每一行都包含一个值列表，在每个组中，我希望生成一个新的列表值计数，这些值由每一行贡献给每个组中列表的并集

以下是一个例子：

require(dplyr)
content <- list(c("A", "B"), c("A", "B", "C"), c("D", "E"), c("A", "B"), c("A", "B"), c("A", "B", "C"))
id <- c("a", "a", "a", "b", "b", "b")
order <- c(5, 7, 3, 1, 9, 4)
testdf <- data.frame(id, order, cbind(content))
testdf
#   id order content
# 1  a     5    A, B
# 2  a     7 A, B, C
# 3  a     3    D, E
# 4  b     1    A, B
# 5  b     9    A, B
# 6  b     4 A, B, C

cn（累积新）确实比cc（累积计数）更可取，但上面的映射到我下面的尝试，cn随后很容易计算。以下是我尝试的解决方案，但不起作用：

res <- testdf %>% 
  arrange(id, desc(order)) %>% 
  mutate(n=row_number()) %>%
  group_by(id) %>%
  mutate(n1=first(n)) %>%
  rowwise() %>%
  bind_cols(do(.,data.frame(vars=length(unique(unlist(testdf$content[.$n1:.$n])))))) %>%
  data.frame

如您所见（查看与上述cc等效的vars列），组“a”的值2和3颠倒，组“b”的第二个值2和3颠倒

事实上，我已经解决了上面的问题，，testdf$内容（显然）与dplyr的数据帧顺序不同。最初我使用的是

$content

而不是

testdf$content

，这产生了更奇怪的输出。所以我试着分两个阶段来做：

res <- testdf %>% 
    arrange(id, desc(order)) %>% 
    mutate(n=row_number()) %>%
    group_by(id) %>%
    mutate(n1=first(n))
res <- res %>% 
    rowwise() %>%
    bind_cols(do(.,data.frame(vars=length(unique(unlist(res$content[.$n1:.$n])))))) %>%
    data.frame

所以我现在的问题是，有没有更好的方法来引用

do（）

（以便

content

的顺序正确）中整个dplyr修改的数据帧？我认为

只是当前行，不是吗？这样做可以避免我必须在

do（）

之前单独创建有序数据框

非常感谢

---

Tim

您可以使用

Reduce

函数和

累积

模式创建累积不同元素，然后使用

length

函数返回累积不同计数，这避免了

rowwise（）

操作：

library(dplyr)
testdf %>% 
          arrange(desc(order)) %>% 
          group_by(id) %>% 
          mutate(cc = lengths(Reduce(function(x, y) unique(c(x, y)), content, acc = T))) %>% 
          arrange(id)

#Source: local data frame [6 x 4]
#Groups: id [2]

#      id order   content    cc
#  <fctr> <dbl>    <list> <int>
#1      a     7 <chr [3]>     3
#2      a     5 <chr [2]>     3
#3      a     3 <chr [2]>     5
#4      b     9 <chr [2]>     2
#5      b     4 <chr [3]>     3
#6      b     1 <chr [2]>     3

库（dplyr）
testdf%>%
排列（描述（订单））%>%
分组依据（id）%>%
变异（cc=长度（减少（函数（x，y）唯一（c（x，y）），内容，acc=T））%>%
安排（id）
#来源：本地数据帧[6 x 4]
#组别:id[2]
#id订单内容cc
#        
#1 a 7 3
#2 a 5 3
#3 a 3 5
#4 b 9 2
#5 b 4 3
#6b13

我对所有步骤都有点困惑，但是假设您已经对数据进行了适当的排序和分组，您可以使用

cumsum（！duplicated（unlist（x））[cumsum（length（x））]

进行累积计数，其中

x

是有序的“内容”——例如

列表（c（“a”、“B”、“c”）、c（“a”、“B”）、c（“D”、“e”）

“a”组中的“内容”和

列表（c（“a”、“B”）、c（“a”、“B”、“c”）、c（“a”、“B”））

在“B”组中。谢谢你的回复-我很快就找到了，但我不确定该在哪里尝试，它是否应该取代整个

行方式（）

和

绑定列方式（）

？我天真地尝试了

res%>%cumsum（！duplicated（unlist（content）））[cumsum（长度）]（内容））]

哪一个给了NA？在你的代码之后，我有了一些类似于

testdf%%>%arrange（id，desc（order））%%>%groupby（id）%%>%mutate（cumsum（！duplicated（unlist（content）））[cumsum（length（content））

的东西，在mindOk谢谢-这对我来说很有用，尽管我不太确定如何使用cumsum（length（content））从列表中进行选择）行得通。我认为@Psidom的解决方案可能更容易理解，因此我将接受它作为解决方案。再次感谢您的贡献。顺便说一下，我喜欢您使用带有“累积”的方法"为此目的命名，尽管双重使用有点混乱。谢谢，这是一个很好的解决方案！对于何时需要行操作与何时能够使用向量化解决方案，是否有经验法则？我不确定是否有经验法则，但为了避免在可以向量化时使用行操作，这将是我的经验法则，因为行操作是通常很贵。我可以问一下上面第一次排列和第二次排列的顺序是否重要。有人可能会认为第二次排列将在第三次排列中排列，但我不确定这是否如预期的那样有效？谢谢。就我所知，

groupby

和

arrange

的顺序应该不会影响到我。我找不到强有力的支持但是你可能会发现这是有用的：啊，是的，很有趣，所以它过去是有区别的，但现在不是0.5.0之后，也许我看到了一些关于这个的老帖子。谢谢。

res <- testdf %>% 
    arrange(id, desc(order)) %>% 
    mutate(n=row_number()) %>%
    group_by(id) %>%
    mutate(n1=first(n))
res <- res %>% 
    rowwise() %>%
    bind_cols(do(.,data.frame(vars=length(unique(unlist(res$content[.$n1:.$n])))))) %>%
    data.frame

#   id order content n n1 vars
# 1  a     7 A, B, C 1  1    3
# 2  a     5    A, B 2  1    3
# 3  a     3    D, E 3  1    5
# 4  b     9    A, B 4  4    2
# 5  b     4 A, B, C 5  4    3
# 6  b     1    A, B 6  4    3

library(dplyr)
testdf %>% 
          arrange(desc(order)) %>% 
          group_by(id) %>% 
          mutate(cc = lengths(Reduce(function(x, y) unique(c(x, y)), content, acc = T))) %>% 
          arrange(id)

#Source: local data frame [6 x 4]
#Groups: id [2]

#      id order   content    cc
#  <fctr> <dbl>    <list> <int>
#1      a     7 <chr [3]>     3
#2      a     5 <chr [2]>     3
#3      a     3 <chr [2]>     5
#4      b     9 <chr [2]>     2
#5      b     4 <chr [3]>     3
#6      b     1 <chr [2]>     3