создание переменной для несбалансированного набора данных

Question

У меня есть набор данных, где наблюдения: ID year event_type event_date. На ID year существует несбалансированное количество наблюдений. Чтобы быть конкретными, это боевые результаты в годы конфликта. Каждое сражение имеет дату и тип (исход).

Я хочу создать переменную, основанную на количестве событий определенного типа в подмножестве ID year. Итак:

по ID

по year

сумма event_type == x

Я понимаю, как это сделать с помощью обычного цикла for, но я понимаю, что должен использовать tapply (), поскольку у меня различное количество наблюдений на ID?

Answer 1

Если я правильно понял вопрос, то:

aggregate(event_type ~ ID + year, subset(df,event_type=="x"), length)

Answer 2

library(plyr)
df <-data.frame(ID=sample(11:20,25,replace=T),year=sample(1900:1905,25,replace=T),event_type=sample(c("win","lose"),25,replace=T))

# To see this sample data sorted by ID and year.
arrange(df,ID,year)
  ID year event_type
1  11 1901        win
2  11 1904        win
3  11 1910       lose
4  12 1920       lose
5  13 1900        win
6  13 1905        win
7  13 1906       lose
8  13 1912        win
9  13 1920       lose
10 14 1906        win
11 14 1918       lose
12 14 1920        win
13 15 1909        win
14 15 1919        win
15 16 1916        win
16 16 1920       lose
17 18 1901       lose
18 18 1910       lose
19 18 1912       lose
20 18 1920        win
21 19 1916        win
22 19 1916        win
23 19 1917       lose
24 20 1901       lose
25 20 1914       lose



   result <- ddply(df, .(ID,year,event_type),summarise, event_count=length(event_type))

    >result
   ID year event_type event_count
1  11 1903        win           1
2  11 1905       lose           1
3  12 1903       lose           1
4  12 1905        win           1
5  13 1902        win           1
6  13 1905       lose           1
7  14 1903        win           1
8  15 1901        win           2
9  15 1903       lose           1
10 15 1905        win           1
11 16 1904        win           1
12 17 1904       lose           1
13 18 1900       lose           2
14 18 1900        win           1
15 18 1902       lose           1
16 18 1904        win           1
17 18 1905        win           1
18 19 1901       lose           1
19 19 1902        win           1
20 19 1903       lose           1
21 19 1903        win           1
22 20 1901        win           1
23 20 1904        win           1

Допустим, вы хотели подсчитать только выигрыши, а не проигрыши, тогда что-то вроде:

result <- ddply(subset(df,event_type=="win"), .(ID,year,event_type),summarise, event_count=length(event_type))

>result
   ID year event_type event_count
1  11 1903        win           1
2  12 1905        win           1
3  13 1902        win           1
4  14 1903        win           1
5  15 1901        win           2
6  15 1905        win           1
7  16 1904        win           1
8  18 1900        win           1
9  18 1904        win           1
10 18 1905        win           1
11 19 1902        win           1
12 19 1903        win           1
13 20 1901        win           1
14 20 1904        win           1