data.table或dplyr-数据操作

我有以下数据

Date           Col1       Col2
2014-01-01     123        12
2014-01-01     123        21
2014-01-01     124        32
2014-01-01     125        32
2014-01-02     123        34
2014-01-02     126        24
2014-01-02     127        23
2014-01-03     521        21
2014-01-03     123        13
2014-01-03     126        15

现在，我想在

Col1

中计算每个日期的唯一值（在前一个日期中没有重复），并将其添加到前一个计数中。比如说,

Date           Count
2014-01-01       3 i.e. 123,124,125
2014-01-02       5 (2 + above 3) i.e. 126, 127
2014-01-03       6 (1 + above 5) i.e. 521 only

---

使用ddply和duplicated，您只需

df <- ddply(data, .(Date, Col1), nrow)
df2 <- ddply(df[!duplicated(df$Col1),], .(Date), nrow)
ddply(df2, .(Date, V1), nrow)

df
library（dplyr）
df%。%
安排（日期）%。%
筛选器（！重复（Col1））%。%
分组单位（日期）%.%
总结（计数=n（））%。%n（）长度（日期）
突变（计数=累积和（计数））
#来源：本地数据帧[3 x 2]
# 
#日期计数
# 1 2014-01-01     3
# 2 2014-01-02     5
# 3 2014-01-03     6
库（数据表）
我要找的输出是上面显示的日期和计数列。太好了！非常感谢。我更喜欢data.table选项。谢谢@Arun。我不太熟悉数据表。但我开始喜欢它了使用
filter
在
col1
上消除重复可能更有效（在
dplyr
中），即
df%。%arrange（Date）%。%filter（！duplicated（col1））%。%group_by（Date）%。%summary（Count=length（Date））%。%mutate（Count=cumsum（Count））
。我支持@mnel-如果您一直使用
%，dplyr代码会看起来更好。%%
@mnel使用
n（）
而不是
长度
可能也会更好。cc@hadley
library(dplyr)
df %.% 
  arrange(Date) %.% 
  filter(!duplicated(Col1)) %.% 
  group_by(Date) %.% 
  summarise(Count=n()) %.% # n() <=> length(Date)
  mutate(Count = cumsum(Count))
# Source: local data frame [3 x 2]
# 
#         Date Count
# 1 2014-01-01     3
# 2 2014-01-02     5
# 3 2014-01-03     6

library(data.table)
dt <- data.table(df, key="Date")
dt <- unique(dt, by="Col1")
(dt <- dt[, list(Count=.N), by=Date][, Count:=cumsum(Count)])
#          Date Count
# 1: 2014-01-01     3
# 2: 2014-01-02     5
# 3: 2014-01-03     6

dt <- data.table(df, key="Date")
dt <- unique(dt, by="Col1")
dt[, .N, by=Date][, Count:=cumsum(N)]