汇总数据框忽略重复

Question

我有一个数据框，其中一列中有重复的条目。我想根据该专栏总结其他专栏。我希望摘要在进行摘要时考虑每个唯一条目而不是总数。 例如在下面的数据框示例中，如果我想回答受访者有多少人是年轻人、中年人和老年人？的问题，“RefID”1-1在汇总时被视为1的计数“ageclass”=年轻，不解释为 5。

RefID   Altitude    Sex ageclass
1-1 Low F   young
1-1 Low F   young
1-1 Low F   young
1-1 Low F   young
1-1 Low F   young
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-2 Low F   midage
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-3 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-4 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-5 Low F   old
1-7 Low F   old
1-7 Low F   old
1-7 Low F   old
1-7 Low F   old
1-8 Low F   old
1-8 Low F   old
1-9 Low F   old
1-9 Low F   old
1-9 Low F   old

谢谢。

Answer 1

plyr 包对此很有用。例如你可以这样做：

> require(plyr)
> ddply( df, .(ageclass), summarise, Num = length(unique(RefID)))
  ageclass Num
1   midage   1
2      old   6
3    young   1

Answer 2

要获取数据框中的唯一条目，请参阅 ?uniqe ：

Data <- unique(Mydata)

您可以使用 by :

by(Data,Data$ageclass,summary)

另请参阅 ?summary 来了解结果。如果您对计数感兴趣，可以使用 table ，例如：

table(Data$RefID,Data$ageclass)

或作为摘要：

margin.table(table(Data$RefID,Data$ageclass),margin=2)

编辑：
您必须要小心一点，因为 unique() 会采用唯一的行。如果男性和女性都有 refID 1-1 ，那么您仍然会计算两次。但我认为您的数据不会出现这种情况。如果您确实想确定，可以执行以下操作：

with(unique(Data[c(1,4)]),margin.table(table(RefID,ageclass),margin=2))

或采用此处提到的 plyr 解决方案。

Answer 3

使用subset，您可以创建数据的子集；使用duplicated，您可以得到一个逻辑向量，指示向量中是否已出现某个值。首先是一个小样本数据集：

df <- data.frame(
   ID=rep(1:5,each=5),
   attitude="low",
   sex=c(rep("F",10),rep("M",15)),
   age=c(rep("young",5),rep("middle",10),rep("old",10))
   )

然后您可以创建一个子集，其中仅记录每个 ID 第一次输入的时间：

df.sub <- subset(df,!duplicated(df$ID))

然后您可以总结：

> summary(df.sub$age)
middle    old  young 
     2      2      1