r - 计算分组矩阵中唯一值的数量
问题描述
我有一个如下所示的分组数据集:
data = data.frame(group = c(1,1,1,1,2,2,2,2),
c1 = c("A", "E", "A", "J", "L", "M", "L", "J"),
c2 = c("B", "F", "F", "K", "B", "F", "T", "E"),
c3 = c("C", "G", "C", "L", "C", "X", "C", "V"),
c4 = c("D", "H", "I", "M", "D", "T", "I", "W"))
我需要计算每行中每个组中不重复的值的数量。例如,看起来像这样的东西:
group c1 c2 c3 c4 uniq.vals
1 1 A B C D 2
2 1 E F G H 3
3 1 A F C I 1
4 1 J K L M 4
5 2 L B C D 2
6 2 M F X T 3
7 2 L T C I 1
8 2 J E V W 4
第 1 行的计数为 2,因为 B 和 D 不会出现在第 1 组中的任何其他行中。
我熟悉使用 group_by 和 summarise,但我无法将其扩展到这种特殊情况,这需要跨多列和多行检查每个值。例如, n_distinct 本身不起作用,因为我正在寻找非重复值,而不是唯一值。
理想情况下,该解决方案还将忽略 NA 并且不将它们视为重复值或非重复值。
解决方案
这是一个选项tidyverse
。重塑为'long'格式pivot_longer
,按'group'分组,replace
所有duplicate
'value'为NA
,然后按行号分组,summarise
以获取计数n_distinct
(不同元素的数量),并与原始数据绑定
library(dplyr)
library(tidyr)
data %>%
mutate(rn = row_number()) %>%
pivot_longer(cols = starts_with('c')) %>%
group_by(group) %>%
mutate(value = replace(value, duplicated(value)|duplicated(value,
fromLast = TRUE), NA)) %>%
group_by(rn) %>%
summarise(uniq.vals = n_distinct(value, na.rm = TRUE), .groups = 'drop') %>%
select(uniq.vals) %>%
bind_cols(data, .)
-输出
# group c1 c2 c3 c4 uniq.vals
#1 1 A B C D 2
#2 1 E F G H 3
#3 1 A F C I 1
#4 1 J K L M 4
#5 2 L B C D 2
#6 2 M F X T 3
#7 2 L T C I 1
#8 2 J E V W 4
推荐阅读
- php - php按组打印json输出数据
- python - 获取与字典Python中其他键的值相关联的键的值
- python - 如果不存在则创建文件,如果存在则不覆盖值
- python - 每个百分位数的python绘图线
- java - 如何在 AsyncTask 中传递两个参数?
- java - 在 mac os 上使用 maven 的 Spring Boot 运行失败
- php - 如何在 PHP 中按顺序而不是随机获得输出
- kotlin - 使用公开框架为 Kotlin 测试用例创建全局数据库架构
- php - 为什么 PHP 中的“use”命令不能与 include 一起使用?
- spring - 从 Spring Boot 连接到 Amazon S3,无需 Access-Key 和 Secret-Key