我有这样的数据帧:
test1 = data.frame("id" = c("FC01", "FC01", "FC22", "FC03", "FC01"),
"product" = c("p01", "p02", "p03", "p01", "p03"),
"year" = c("2018", "2017", "2015", "2018", "2016"))
我需要找到2016年到2018年之间购买的ID以上的ID,并知道他们购买了哪些产品以及哪一年。是否有可能创建一个新的数据框来显示ID以及它们出现的次数以及何时发生?像这样的东西:
test2 = data.frame("times" = c(3, 1), "id" = c("FC01", "FC03"),
"year" = c("2018, 2017, 2016", "2018"))
我使用dplyr
并尝试按ID分组并过滤掉每次出现不止一次的ID,但我不知道如何继续获得类似test2的内容。我很欣赏这方面的任何提示。
test1$year <- as.numeric(as.character(test1$year))
test1 %>% filter(between(year,2016,2018))
%>% group_by(id)
%>% summarize(times = n(),
year = toString(unique(year)))
id times year
<fct> <int> <chr>
1 FC01 3 2018 2017 2016
2 FC03 1 2018
笔记:
times
列很简单,我们只使用实用功能dplyr::n()
。toString(...)
比paste0(as.character(...), collapse=' ')
更干净unique(year)
,因为您可能在同一年有多个条目。filter(between(year, 2016, 2018))
,我们必须首先确定year
是数字,而不是一个因素(或至少,确保因子水平也是2015..2018,以便直接做as.numeric()
按预期工作,而不是给予1 ..4