如何按值对_进行分组,并使用R获取数据帧中多个属性的计数
我有一个以下格式的数据框。我正在生成样本数据,但我有数千条类似格式的记录:如何按值对_进行分组,并使用R获取数据帧中多个属性的计数,r,dataframe,dplyr,summarization,R,Dataframe,Dplyr,Summarization,我有一个以下格式的数据框。我正在生成样本数据,但我有数千条类似格式的记录: ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY JFK MCO 1 0 47 JFK LAX JFK MCO 1 2
ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
JFK MCO 1 0 47
JFK LAX
JFK MCO 1 2 30
LOG DFW 12 20 3
LOG DFW
我需要按起点和终点分组,并使用dplyr函数计算每个延迟的发生次数(计数)。延迟列中的值以分钟为单位。我需要考虑大于0的值,并为这些值增加1的计数。某些行存在空值,我也需要忽略它们
输出应如下所示:
ORIGIN DEST CARR_DELAY_COUNT WEATHER_DELAY_COUNT NAS_DELAY_COUNT
JFK MCO 2 1 2
LOG DFW 1 1 1
我正在使用以下dplyr函数:
flight.df %>%
group_by(ORIGIN,DEST) %>%
summarize(carr_delay=sum(CARRIER_DELAY,na.rm=TRUE),
weather_delay=sum(WEATHER_DELAY,na.rm=TRUE),
nas_delay=sum(NAS_DELAY,na.rm=TRUE) %>%
group_by() %>%
{.} -> delays.df
上述函数将生成按特定源和目标的每个延迟类别分组的延迟值总和
在这里,我需要如何插入另一个函数,以使每个延迟的计数与总和不同?您可以使用
dplyr
包在group\u之后使用summary\u每个
。不过,您必须重命名这些列
library(dplyr)
df %>% group_by(ORIGIN, DEST) %>% summarize_each(funs(Count = sum(.>0, na.rm=T)))
Source: local data frame [3 x 5]
Groups: ORIGIN [?]
ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
(fctr) (fctr) (int) (int) (int)
1 JFK LAX 0 0 0
2 JFK MCO 2 1 2
3 LOG DFW 1 1 1
您可以使用dplyr
软件包在group\u之后使用summary\u。不过,您必须重命名这些列
library(dplyr)
df %>% group_by(ORIGIN, DEST) %>% summarize_each(funs(Count = sum(.>0, na.rm=T)))
Source: local data frame [3 x 5]
Groups: ORIGIN [?]
ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
(fctr) (fctr) (int) (int) (int)
1 JFK LAX 0 0 0
2 JFK MCO 2 1 2
3 LOG DFW 1 1 1
我们可以使用data.table
library(data.table)
setDT(df)[, lapply(.SD, function(x) sum(x > 0, na.rm=TRUE)) , .(ORIGIN, DEST)]
# ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
#1: JFK MCO 2 1 2
#2: JFK LAX 0 0 0
#3: LOG DFW 1 1 1
注意:这种简单的方法还提供了正确的输出,正如公认的那样。我们可以使用数据。表
library(data.table)
setDT(df)[, lapply(.SD, function(x) sum(x > 0, na.rm=TRUE)) , .(ORIGIN, DEST)]
# ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
#1: JFK MCO 2 1 2
#2: JFK LAX 0 0 0
#3: LOG DFW 1 1 1
注意:这种简单的方法还提供了正确的输出作为可接受的输出。使用基本R函数,aggregate
进行计算也很简单
aggregate(cbind("CARRIER_DELAY"=CARRIER_DELAY,
"WEATHER_DELAY"=WEATHER_DELAY,
"NAS_DELAY"=NAS_DELAY) ~ ORIGIN + DEST,
data=df, FUN=function(x) sum(x > 0, na.rm=TRUE))
返回
ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
1 LOG DFW 1 1 1
2 JFK MCO 2 1 2
我使用cbind
将汇总变量组合在一起,并为输出命名。使用基本R函数aggregate
计算这一点也很简单
aggregate(cbind("CARRIER_DELAY"=CARRIER_DELAY,
"WEATHER_DELAY"=WEATHER_DELAY,
"NAS_DELAY"=NAS_DELAY) ~ ORIGIN + DEST,
data=df, FUN=function(x) sum(x > 0, na.rm=TRUE))
返回
ORIGIN DEST CARRIER_DELAY WEATHER_DELAY NAS_DELAY
1 LOG DFW 1 1 1
2 JFK MCO 2 1 2
我使用cbind
将摘要变量组合在一起,并为输出命名。工作起来很有魅力。非常感谢。工作很有魅力。谢谢。