在R中统计各ID下唯一活动数的实现方法

原始数据集 #

ID <- c(1001,1001, 1001, 1002,1002,1002)
activity <- c(123,123,123, 456,456,789)
df <- data.frame(ID,activity)

需求说明 #

需要统计每个ID对应的唯一activity数量，并将该统计结果作为新列N添加到原数据框中，最终得到如下形式的输出：

N <- c(1,1,1,2,2,2)
data.frame(df,N)

其中ID为1001的用户仅参与1种活动，ID为1002的用户参与2种活动。

解决方案 #

方法1：使用aggregate函数 #

先通过aggregate统计每个ID的唯一活动数，再合并回原数据框：

# 统计每个ID的唯一activity数量
count_df <- aggregate(activity ~ ID, data = df, FUN = function(x) length(unique(x)))
colnames(count_df)[2] <- "N"

# 合并到原数据框并保持原顺序
result_df <- merge(df, count_df, by = "ID")
result_df <- result_df[order(match(result_df$ID, df$ID)), ]
rownames(result_df) <- NULL

print(result_df)

方法2：使用dplyr包（简洁直观） #

借助tidyverse生态的dplyr包，通过分组后直接添加新列：

library(dplyr)

result_df <- df %>%
  group_by(ID) %>%
  mutate(N = n_distinct(activity)) %>%
  ungroup()

print(result_df)

方法3：使用data.table包（大数据高效处理） #

如果处理的是大型数据集，data.table的操作效率更高：

library(data.table)

setDT(df)[, N := uniqueN(activity), by = ID]
print(df)

内容的提问来源于stack exchange，提问作者Log On