如何使用R的collapse包在分组数据中生成对应组大小的新列

你之前代码的问题出在函数选择上：你调用的大写fNobs默认作用于完整列，不会识别数据框的分组属性，所以返回的是全数据集的行数。改用支持分组上下文的小写fnobs即可实现需求，完全对齐dplyr的输出效果。

正确实现代码 #

library(collapse)
library(ggplot2)
library(magrittr)

# 写法1：显式分组写法，和dplyr逻辑对齐
res <- mpg %>%
  fselect(manufacturer) %>%
  fgroup_by(manufacturer) %>%
  ftransform(more_than_10_obs = fnobs(manufacturer) > 10)

如果需要单独生成分组大小列，只需要把判断条件去掉即可：

res <- mpg %>%
  fselect(manufacturer) %>%
  fgroup_by(manufacturer) %>%
  ftransform(n_in_group = fnobs(manufacturer))

更高性能的无分组写法 #

针对超大数据量场景，可以跳过创建分组对象的步骤，直接给fnobs指定g参数传入分组列，性能更强：

res <- mpg %>%
  fselect(manufacturer) %>%
  ftransform(
    n_in_group = fnobs(manufacturer, g = manufacturer),
    more_than_10_obs = n_in_group > 10
  )

你可以用dplyr::all_equal()对比collapse输出和你原dplyr代码的输出，结果完全一致。

内容的提问来源于stack exchange，提问作者Emman