我有一个数据框如下。按time
列排序。
输入 -
df = data.frame(time = 1:20,
grp = sort(rep(1:5,4)),
var1 = rep(c('A','B'),10)
)
head(df,10)
time grp var1
1 1 1 A
2 2 1 B
3 3 1 A
4 4 1 B
5 5 2 A
6 6 2 B
7 7 2 A
8 8 2 B
9 9 3 A
10 10 3 B
我想创建另一个变量
var2
,到目前为止,该变量没有计算出任何不同的var1
值,即直到time
中的每个点grp
为止。这与我使用n_distinct
会得到的有点不同。预期产量-
time grp var1 var2
1 1 1 A 1
2 2 1 B 2
3 3 1 A 2
4 4 1 B 2
5 5 2 A 1
6 6 2 B 2
7 7 2 A 2
8 8 2 B 2
9 9 3 A 1
10 10 3 B 2
我想为此创建一个说
cum_n_distinct
的函数,并将其用作-d_out = df %>%
arrange(time) %>%
group_by(grp) %>%
mutate(var2 = cum_n_distinct(var1))
最佳答案
假设东西已经由time
排序,则首先定义一个累积的不同函数:
dist_cum <- function(var)
sapply(seq_along(var), function(x) length(unique(head(var, x))))
然后使用
ave
创建组的基本解决方案(请注意,假定var1
是因素),然后将我们的函数应用于每个组:transform(df, var2=ave(as.integer(var1), grp, FUN=dist_cum))
data.table
解决方案,基本上可以完成相同的操作:library(data.table)
(data.table(df)[, var2:=dist_cum(var1), by=grp])
同样,
dplyr
,也是一样:library(dplyr)
df %>% group_by(grp) %>% mutate(var2=dist_cum(var1))
关于R,dplyr : cumulative version of n_distinct,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25553099/