R dplyr 计算时间序列数据中单独事件的发生次数

Question

我对 dplyr 有点菜鸟，我知道这很容易解决。我有某些事件的数据，"X"、"Y" 和 "Z" 以及这些事件发生的日期列表。可以通过以下方式生成示例：

days.14<-seq(as.Date("2014/1/1"),as.Date("2014/12/31"),by="days")
X<-c("X","")
Y<-c("Y","")
Z<-c("Z","")
data<-as.data.frame(sample(days.14,200,replace=TRUE))
data$X<-sample(X,200,replace=TRUE)
data$Y<-sample(Y,200,replace=TRUE)
data$Z<-sample(Z,200,replace=TRUE)
names(data)[1]<-"date"
data<-data[order(as.Date(data$date, format="%Y-%m-%d")),]

我正在尝试使用 dplyr 包对按天分组的每个事件进行计数。因此，不是数据中的一行表示事件发生的日期，而是数据集中的所有日期以及每个事件发生的次数。所以不是这样的：

2014-01-01     Z
2014-01-01   Y Z
2014-01-01 X
2014-01-02 X Y Z

我正在尝试使用 dplyr 获取：

  date        X Y Z
--------------------
2014-01-01    1 1 2
2014-01-01    1 1 1

我用来完成此操作的代码不适用于字符向量。

counts = data%>% group_by(factor(date))%>%
summarise(X=sum(X),
Y=sum(Y),
Z=sum(Z))

我通常生成计数的方式是通过 table 函数，但这对 dplyr 不起作用。

Answer 1

这是使用 ddply 完成此任务的一种方法：

    ddply(data,.(date),function(x){
  xcount <- sum(grep("X",x$X))
  ycount <- sum(grep("Y",x$Y))
  zcount <- sum(grep("Z",x$Z))
  data.frame(X=xcount,Y=ycount,Z=zcount)
})

Answer 2

我会这样做：

library(dplyr)
data %>% group_by(date) %>%
         summarise_each(funs(sum(.!="")), -date)

为了完整起见，来自@David-Arenburg 的 data.table 解决方案：

library(data.table) 
setDT(data)[, lapply(.SD, function(x) sum(x != "")), by = date]

您的问题是您试图对行求和，因为该行不是数字，所以行不通。

您需要检查 X、Y 或 Z 是否不是 ""（NA 在 r 中更广泛地用作空格）。

我们可以使用 summarise_each 在每一行上执行此操作，-date 确保不包括日期列。

注意，如果您只想修复代码，这是最简单的解决方案：

data %>% group_by(date)%>%
         summarise(X = sum(X == "X"),
                   Y = sum(Y == "Y"),
                   Z = sum(Z == "Z"))

Answer 3

还有一种方法

set.seed(1000)
days.14<-seq(as.Date("2014/1/1"),as.Date("2014/12/31"),by="days")
X<-c("X","")
Y<-c("Y","")
Z<-c("Z","")
data<-as.data.frame(sample(days.14,200,replace=TRUE))
data$X<-sample(X,200,replace=TRUE)
data$Y<-sample(Y,200,replace=TRUE)
data$Z<-sample(Z,200,replace=TRUE)
names(data)[1]<-"date"
data<-data[order(as.Date(data$date, format="%Y-%m-%d")),]
library(reshape2)

使用熔体合并所有 X、Y、Z

summ<-data%>%melt(id.var="date")%>% group_by(factor(date))%>%summarize(X = sum(value=="X"), Y = sum(value=="Y"), Z = sum(value=="Z"))

head(as.data.frame(summ))  

  factor(date) X Y Z
1   2014-01-04 0 1 1
2   2014-01-05 1 1 0
3   2014-01-08 1 2 1
4   2014-01-09 1 0 0
5   2014-01-10 1 1 1
6   2014-01-14 2 2 0

Answer 4

另一个解决方案是recast (melt -> dcast) 数据

library(reshape2)
recast(data, date ~ variable, id.var = 1, fun.aggregate = function(x) sum(x != ""))

R dplyr 计算时间序列数据中单独事件的发生次数

R dplyr count occurences of separate events in time series data

r

count

dplyr