R:Count每天每个ID区分一个变量的个数

Question

之前也问过类似的问题()，这次也想计算v的个数distinguish per天和每个ID，但是现在"distinguish"不仅意味着一天不同v，而且意味着不同v 今天和以后的日子。

比如第二天有一个v1，而且前一天也有，我们就不算第二天的v1。

ID1:

第 1 天：v1/v2 -----> 第 1 天 2

第 2 天：v1/v3 -----> 第 2 天 1 个

第 3 天：v3 -----> 第 3 天为 0

ID2

第 1 天：v4 -----> 第 1 天 1

第 2 天：v5/v4/v1 -----> 第 2 天 2

第 3 天：v3/v4 -----> 第 3 天 1 个

这是我的数据：

ID         Day             v
ID1         1              v1
ID1         1              v1
ID1         1              v2
ID1         2              v1
ID1         2              v3
ID1         3              v3
ID1         3              v3
ID1         3              v3
ID2         1              v4
ID2         2              v5
ID2         2              v5
ID2         2              v4
ID2         2              v1
ID2         3              v3
ID2         3              v4

根据我上面的数据，我想得到如下结果：

ID         Day             v         daily_v_distinguish_ID
ID1         1              v1            2
ID1         1              v1            NA
ID1         1              v2            NA
ID1         2              v1            1
ID1         2              v3            NA
ID1         3              v3            0
ID1         3              v3            NA
ID1         3              v3            NA
ID2         1              v4            1
ID2         2              v5            2
ID2         2              v5            NA
ID2         2              v4            NA
ID2         2              v1            NA
ID2         3              v3            1
ID2         3              v4            NA

如果我们使用setDT(df1)[, daily_v_ID := c(uniqueN(v), rep(NA, .N-1)), by = .(ID, Day)]，我们没有将这一天的v与前几天进行比较。

Answer 1

我们可以使用 data.table 来创建 'daily_v_distinguish_ID'。将 'data.frame' 转换为 'data.table' (setDT(df1))，按 'ID' 分组，我们根据 'v' 中不是 duplicated 的元素创建逻辑索引.在下一步中，我们按 'ID' 和 'Day' 列分组，得到 'indx' 的 sum 并与 'NA' 连接以填充其余元素每个组并分配 (:= 即 'daily_v_distinguish_ID'.

 library(data.table)
 setDT(df1)[, indx:=!duplicated(v) ,.(ID)
    ][, daily_v_distinguish_ID:= c(sum(indx),rep(NA, .N-1)) , .(ID, Day)
    ][,indx:=NULL]
df1
#     ID Day  v daily_v_distinguish_ID
# 1: ID1   1 v1                      2
# 2: ID1   1 v1                     NA
# 3: ID1   1 v2                     NA
# 4: ID1   2 v1                      1
# 5: ID1   2 v3                     NA
# 6: ID1   3 v3                      0
# 7: ID1   3 v3                     NA
# 8: ID1   3 v3                     NA
# 9: ID2   1 v4                      1
#10: ID2   2 v5                      2
#11: ID2   2 v5                     NA
#12: ID2   2 v4                     NA
#13: ID2   2 v1                     NA
#14: ID2   3 v3                      1
#15: ID2   3 v4                     NA

使用 dplyr 的类似选项是

library(dplyr)
df1 %>% 
   group_by(ID) %>%
   mutate(ind=!duplicated(v)) %>%
   group_by(Day, add=TRUE)%>% 
   mutate(daily_v_distinguish_ID=c(sum(ind), rep(NA, n()-1))) %>% 
   select(-ind)

或使用 base R

中的 ave

with(df1, ave(!duplicated(df1[-2]), ID, Day, FUN=function(x) 
                  c(sum(x), rep(NA, length(x)-1))))
#[1]  2 NA NA  1 NA  0 NA NA  1  2 NA NA NA  1 NA

数据

df1 <- structure(list(ID = c("ID1", "ID1", "ID1", "ID1", "ID1", "ID1", 
"ID1", "ID1", "ID2", "ID2", "ID2", "ID2", "ID2", "ID2", "ID2"
), Day = c(1L, 1L, 1L, 2L, 2L, 3L, 3L, 3L, 1L, 2L, 2L, 2L, 2L, 
3L, 3L), v = c("v1", "v1", "v2", "v1", "v3", "v3", "v3", "v3", 
"v4", "v5", "v5", "v4", "v1", "v3", "v4")), .Names = c("ID", 
"Day", "v"), class = "data.frame", row.names = c(NA, -15L))

R:Count每天每个ID区分一个变量的个数

R:Count daily number of a variable distinguish per ID

r

count

数据