使用dplyr按组计算行数

Question

我正在使用mtcars数据集。 我想找到特定数据组合的记录数。 类似于SQL中count(*) group by子句的内容。 plyr中的ddply()对我有用。

library(plyr)
ddply(mtcars, .(cyl,gear),nrow)

有输出

  cyl gear V1
1   4    3  1
2   4    4  8
3   4    5  2
4   6    3  2
5   6    4  4
6   6    5  1
7   8    3 12
8   8    5  2

使用此代码

library(dplyr)
g <- group_by(mtcars, cyl, gear)
summarise(g, length(gear))

有输出

  length(cyl)
1          32

我发现各种可以用作传递给summarise()的函数，但没有一个对我有效。我找到了一个函数sum(G)，它返回

I found various functions to pass in to summarise() but none seem to work for me. One function I found is sum(G), which returned

Error in eval(expr, envir, enclos) : object 'G' not found

尝试使用n()，返回了

Error in n() : This function should not be called directly

我做错了什么？我该如何让group_by() / summarise()对我起作用？

- charmee

---

我无法复现这个问题。我的输出结果与 “ddply” 的一样。您使用的 dplyr 版本是多少？尝试更新一下吧。 - joran

你使用的R版本是多少？这可能导致了行为上的差异。我也在使用Ubuntu电脑时尝试过了，结果仍然一样。 - charmee

我使用的是3.0.2版本，但我觉得这不会有什么影响，除非你使用的R版本非常旧。 - joran

你所声称得到的结果只有在 g 实际上没有被分组时才有意义。因此，我会寻找你可能以某种方式取消分组数据框的原因。 - joran

谢谢！问题解决了。如果我同时加载了plyr和dplyr包，summarise函数的效果就不如预期。只要重新启动会话（而且默认不加载所有常规包），我就能让它正常工作了。呼～ - charmee

Answer 1

dplyr 中有一个特殊的函数 n()，可以用于计算行数（可能是在分组内）：

library(dplyr)
mtcars %>% 
  group_by(cyl, gear) %>% 
  summarise(n = n())
#Source: local data frame [8 x 3]
#Groups: cyl [?]
#
#    cyl  gear     n
#  (dbl) (dbl) (int)
#1     4     3     1
#2     4     4     8
#3     4     5     2
#4     6     3     2
#5     6     4     4
#6     6     5     1
#7     8     3    12
#8     8     5     2

不过，dplyr 还提供了一个方便的count函数，可以用更少的打字来完成同样的操作:

count(mtcars, cyl, gear)          # or mtcars %>% count(cyl, gear)
#Source: local data frame [8 x 3]
#Groups: cyl [?]
#
#    cyl  gear     n
#  (dbl) (dbl) (int)
#1     4     3     1
#2     4     4     8
#3     4     5     2
#4     6     3     2
#5     6     4     4
#6     6     5     1
#7     8     3    12
#8     8     5     2

- talat

Answer 2

我认为您正在寻找的内容如下。

cars_by_cylinders_gears <- mtcars %>%
  group_by(cyl, gear) %>%
  summarise(count = n())

这是使用dplyr包。这本质上是docendo discimus提供的count()解决方案的长手版本。

- tb.

---

对我来说可以运行。关键部分是不指定用于按组的列名周围的引号。 - ivan866

Answer 3

另一种方法是使用双冒号，这将有助于避免与其他包中具有类似名称的函数可能发生的冲突。

mtcars %>% 
  dplyr::group_by(cyl, gear) %>%
  dplyr::summarise(length(gear))

- user3026255

---

编辑后添加为什么使用冒号会很有用，尽管我认为这个答案的主要观点是使用“length”。 - NelsonGon

Answer 4

另一个选项，不一定更优雅，但不需要引用特定的列：

mtcars %>% 
  group_by(cyl, gear) %>%
  do(data.frame(nrow=nrow(.)))

这相当于使用count()函数：

library(dplyr, warn.conflicts = FALSE)
all.equal(mtcars %>% 
            group_by(cyl, gear) %>%
            do(data.frame(n=nrow(.))) %>% 
            ungroup(),
          count(mtcars, cyl, gear), check.attributes=FALSE)
#> [1] TRUE

- Matifou

---

不确定您的意思，它会给出每个组的nrow，就像count一样？ - Matifou

我不确定，因为这是6年前的事了。可能有些函数已经改变了。我已经删除了我的旧评论。 - Hack-R

感谢 @Hack-R！ - Matifou

Answer 5

另一个选项是使用dplyr的函数tally。以下是一个可重现的示例：

library(dplyr)
mtcars %>% 
  group_by(cyl, gear) %>% 
  tally()
#> # A tibble: 8 × 3
#> # Groups:   cyl [3]
#>     cyl  gear     n
#>   <dbl> <dbl> <int>
#> 1     4     3     1
#> 2     4     4     8
#> 3     4     5     2
#> 4     6     3     2
#> 5     6     4     4
#> 6     6     5     1
#> 7     8     3    12
#> 8     8     5     2

^{本文创建于2022年9月11日，使用reprex v2.0.2}

- Quinten

Answer 6

可以简单地使用 dplyr 来完成这个任务：

library(dplyr)

# Use the function add_count() and name the new variable as "count"

mtcars %>%
  add_count(cyl, gear, name = "count")

这样做的好处是，当你提到变量时，你不需要将列分组，因为add_count()函数会为你做这个。此外，这还允许你保留数据框中的其他变量（如果有的话）。

- fsure