基于组 ID 的匹配值

Question

假设我有以下数据框（实际的数据框代表非常大的数据集）

df<- structure(list(x = c(1, 1, 1, 2, 2, 3, 3, 3), y = structure(c(1L, 
6L, NA, 2L, 4L, 3L, 7L, 5L), .Label = c("all", "fall", "hello", 
"hi", "me", "non", "you"), class = "factor"), z = structure(c(5L, 
NA, 4L, 2L, 1L, 6L, 3L, 4L), .Label = c("fall", "hi", "me", "mom", 
"non", "you"), class = "factor")), .Names = c("x", "y", "z"), row.names = c(NA, 
-8L), class = "data.frame")

看起来像

>df
  x     y    z
1 1   all  non
2 1   non <NA>
3 1  <NA>  mom
4 2  fall   hi
5 2    hi fall
6 3 hello  you
7 3   you   me
8 3    me  mom

我想做的是计算每组 x（1,2 或 3）中匹配值的数量。例如，组号 1 有一个匹配值是 "non" （NA 应该被忽略）。所需的输出如下所示：

尝试以一种方式思考而不是 for-loop 因为我有一个很大的数据集但找不到我的方法。

Answer 1

使用 dplyr:

library(dplyr)

df %>% group_by(x) %>%
       summarise(n = sum(y %in% na.omit(z)))

Answer 2

这是使用 by() and match() 的解决方案：

do.call(rbind,by(df,df$x,function(g) c(x=g$x[1],n=sum(!is.na(match(g$y,g$z,inc=NA))))));
##   x n
## 1 1 1
## 2 2 2
## 3 3 2

Answer 3

只是为了晚上的乐趣，我尝试了一个基本的 R 解决方案，当然它非常丑陋。

ind <- by(df, df$x, function(x) which(na.omit(x[["y"]]) %in% na.omit(df[["z"]])))
sm <- lapply(ind, length)
cbind(unique(df$x), sm)
sm
1 1 1 
2 2 2 
3 3 2

另一种基本 R 方法，代码更少（我希望丑陋程度更低）：

ind <- by(df, df$x, function(x) sum(na.omit(x[["y"]]) %in% na.omit(x[["z"]])))
cbind(unique(df$x), ind)
    ind
1 1   1
2 2   2
3 3   2

基于组 ID 的匹配值

Matching values based on group ID

r

match