根据 dplyr 中的范围总结条件

Question

我的例子有一个插图。示例数据：

 df <- data.frame(ID = c(1, 1, 2, 2, 3, 5), A = c("foo", "bar", "foo", "foo", "bar", "bar"),
 B =     c(1, 5, 7, 23, 54, 202))

df
  ID   A   B
1  1 foo   1
2  1 bar   5
3  2 foo   7
4  2 foo  23
5  3 bar  54
6  5 bar 202

我想做的是汇总，按ID，统计相同的ID。此外，我希望子组中的 ID 频率基于不同数值范围内的 B 值（B>=0 & B<5、B>=5 & B<10、B>=10 & B<15、B 的观察次数>=15 & B<20 等所有 ID）。

我想要这个结果：

  ID count count_0_5 count_5_10 etc
1  1    2          1          1 etc
2  2    2         NA          1 etc
3  3    1         NA         NA etc
4  5    1         NA         NA etc

我使用包 dplyr:

尝试了这段代码

df %>%
  group_by(ID) %>%
  summarize(count=n(), count_0_5 = n(B>=0 & B<5))

但是，它 returns 这个错误：

`Error in n(B>=0 & B<5) : 
  unused argument (B>=0 & B<5)`

Answer 1

也许用 sum(B>=0 & B<5) 替换 n(B>=0 & B<5)？

这将计算满足两个指定条件的案例数。

但是，您将得到 0's 而不是 NA's。这可以通过以下方式解决： ifelse(sum(B>=0 & B<5)>0, sum(B>=0 & B<5), NA)

我很确定可能有更好的解决方案（更清晰和高效），但这应该可行！

Answer 2

library(dplyr)
library(tidyr)
df %>% group_by(ID) %>%
   mutate(B_cut = cut(B, c(0,5,10,15,20,1000), labels = c('count_0_5','count_5_10','count_10_15','count_15_20','count_20_1000')), count=n()) %>% 
   group_by(ID,B_cut) %>% mutate(n=n()) %>% slice(1) %>% select(-A,-B) %>% 
   spread(B_cut, n)

#2nd option
left_join(df %>% group_by(ID) %>% summarise(n=n()), 
          df %>% mutate(B_cut = cut(B, c(0,5,10,15,20,1000), labels = c('count_0_5','count_5_10','count_10_15','count_15_20','count_20_1000'))) %>% 
                 count(ID,B_cut) %>% spread(B_cut,n), 
          by='ID')

# A tibble: 4 x 5
# Groups:   ID [4]
     ID count count_0_5 count_5_10 count_20_1000
  <dbl> <int>     <int>      <int>         <int>
1     1     2         2         NA            NA
2     2     2        NA          1             1
3     3     1        NA         NA             1
4     5     1        NA         NA             1

根据 dplyr 中的范围总结条件

Summarize with conditions based on ranges in dplyr

r

dplyr

summarize