Использование dplyr для подсчета нескольких групповых переменных - PullRequest
Новая
       9

Использование dplyr для подсчета нескольких групповых переменных

0 голосов
/ 24 ноября 2018

У меня есть набор данных с несколькими категориальными переменными 

data <- data_frame(
HomeTeam = c("Team1", "Team2", "Team3", "Team4", "Team2", "Team2", "Team4", 
             "Team3", "Team2", "Team1", "Team3", "Team2"),
AwayTeam = c("Team2", "Team1", "Team4", "Team3", "Team1", "Team4", "Team1", 
             "Team2", "Team3", "Team3", "Team4", "Team1"),
HomeScore = c(10, 5, 12, 18, 17, 19, 23, 17, 34, 19, 8, 3),
AwayScore = c(4, 16, 9, 19, 16, 4, 8, 21, 6, 5, 9, 17),
Venue = c("Ground1", "Ground2", "Ground3", "Ground3", "Ground1", "Ground2", 
          "Ground1", "Ground3", "Ground2", "Ground3", "Ground4", "Ground2"))

Я в основном хочу суммировать "HomeTeam" и "AwayTeam" путем подсчета в новую таблицу, как показано ниже 

 HomeTeam NumberOfGamesHome NumberOfGamesaWAY
 <chr>                <int>             <int>
 1 Team1                    2                 4
 2 Team2                    5                 2
 3 Team3                    3                 3
 4 Team4                    2                 3

Мой текущий подход требует две сгруппированные строки кода, а затем объединение таблиц 

HomeTeamCount <- data %>% 
group_by(HomeTeam) %>% 
summarise(NumberOfGamesHome = n()) 

AwayTeamCount <- data %>% 
group_by(AwayTeam) %>% 
summarise(NumberOfGamesAway = n()) 

Desired <- left_join(HomeTeamCount, AwayTeamCount, 
                 by = c("HomeTeam" = "AwayTeam"))

В моем фактическом наборе данных у меня есть большое количество категориальных переменных, и следование приведенному выше подходу кажетсятрудоемкий и неэффективный

Есть ли способ с помощью dplyr для group_by нескольких категориальных переменных получить желаемый результат?Или, возможно, data.table?

Я консультировался с несколькими другими вопросами, такими как здесь и здесь , но не смог найти ответ.

1 Ответ

0 голосов
/ 24 ноября 2018

Вот одна из возможностей использования gather для распространения данных от широких к длинным, группирования по командам и суммирования количества домашних и выездных игр. 

library(tidyverse)
data %>%
    gather(key, Team) %>%
    group_by(Team) %>%
    summarise(
        NumberOfGamesHome = sum(key == "HomeTeam"),
        NumberOfGamesaWAY = sum(key == "AwayTeam"))
## A tibble: 4 x 3
#  Team  NumberOfGamesHome NumberOfGamesaWAY
#  <chr>             <int>             <int>
#1 Team1                 2                 4
#2 Team2                 5                 2
#3 Team3                 3                 3
#4 Team4                 2                 3

Обновление

Чтобы отразить ваши обновленные данные образца с дополнительными столбцами, вы можете сделать 

data %>%
    gather(key, Team, HomeTeam, AwayTeam) %>%
    group_by(Team) %>%
    summarise(
        NumberOfGamesHome = sum(key == "HomeTeam"),
        NumberOfGamesaWAY = sum(key == "AwayTeam"))
## A tibble: 4 x 3
#  Team  NumberOfGamesHome NumberOfGamesaWAY
#  <chr>             <int>             <int>
#1 Team1                 2                 4
#2 Team2                 5                 2
#3 Team3                 3                 3
#4 Team4                 2                 3
...