我有一個站到站自行車旅行的大型資料框，我的目標是確定最常見的起點站和終點站組合。我的 df 看起來像這樣：
df <- data.frame(start_station = c('Apple', 'Bungalow', 'Carrot', 'Apple', 'Apple', 'Bungalow'),
end_station = c('Bungalow', 'Apple', 'Carrot', 'Bungalow', 'Bungalow', 'Apple'),
start_lat = c(12.3456, 23.4567, 34.5678, 12.3456, 12.3456, 23.4567),
start_lng = c(09.8765, 98.7654, 87.6543, 09.8765, 09.8765, 98.7654)
)
理想情況下，我想要一個輸出來創建一個按頻率降序排列的站點組合串列，以及一個反映精確組合數量的新列“ride_count”。
在上面的例子中，我希望輸出是一個新的資料框，我可以進一步操作/可視化
start_station end_station ride_count start_lat start_lng
Apple Bungalow 3 12.3456 09.8765
Bungalow Apple 2 23.4567 98.7654
Carrot Carrot 1 34.5678 87.6543
根據之前的建議，“count()”命令確實執行了正確的計算，但是我丟失了與每個站點相關的其他資料，例如 start_lat 和 start_lng。
有沒有辦法保留這些列？
衷心感謝任何人的幫助。我一直在高效地完成這個專案，但我真的在為最后的地理元素苦苦掙扎。
uj5u.com熱心網友回復：
如果我們假設其他非分組欄位在組內總是不變的，那么我們可以這樣做：
library(dplyr)
df %>%
group_by(start_station, end_station) %>%
summarize(n = n(), across(everything(), first), .groups = "drop")
# # A tibble: 3 x 5
# start_station end_station n start_lat start_lng
# <chr> <chr> <int> <dbl> <dbl>
# 1 Apple Bungalow 3 12.3 9.88
# 2 Bungalow Apple 2 23.5 98.8
# 3 Carrot Carrot 1 34.6 87.7
但是，如果有任何變化，那么您需要考慮如何單獨聚合每一列。
uj5u.com熱心網友回復：
df <- data.frame(start_station = c('Apple', 'Bungalow', 'Carrot', 'Apple', 'Apple', 'Bungalow'),
end_station = c('Bungalow', 'Apple', 'Carrot', 'Bungalow', 'Bungalow', 'Apple'))
df_counts <- tapply(df$start_station,
paste(df$start_station, df$end_station),
length) |>
as.data.frame() |>
`colnames<-`(c('count'))
idx <- order(df_counts$count, decreasing = TRUE)
df_counts <- df_counts[ idx, , drop = FALSE]
print(df_counts)
count
Apple Bungalow 3
Bungalow Apple 2
Carrot Carrot 1
uj5u.com熱心網友回復：
編輯 dplyr 方法。這會為每個站點組合添加一個計數，并洗掉重復的行。這可能無法像您演示的那樣根據其他列的內容來“總結”事物（lat 和 lng 對于一個站來說是一致的，這使得這在示例中起作用）。
library(tidyverse)
df <- data.frame(start_station = c('Apple', 'Bungalow', 'Carrot', 'Apple', 'Apple', 'Bungalow'),
end_station = c('Bungalow', 'Apple', 'Carrot', 'Bungalow', 'Bungalow', 'Apple'),
start_lat = c(12.3456, 23.4567, 34.5678, 12.3456, 12.3456, 23.4567),
start_lng = c(09.8765, 98.7654, 87.6543, 09.8765, 09.8765, 98.7654)
)
df %>%
add_count(start_station, end_station, name = 'ride_count') %>%
distinct()
#> start_station end_station start_lat start_lng ride_count
#> 1 Apple Bungalow 12.3456 9.8765 3
#> 2 Bungalow Apple 23.4567 98.7654 2
#> 3 Carrot Carrot 34.5678 87.6543 1
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/525508.html
標籤：rdplyr蒂迪尔