R语言中如何从数据框两列生成按年份的类型计数统计表?
按年份分组统计各类型计数的实现方法
针对你提到的200万条记录的大数据场景,以下三种方案均可实现「按年份拆分、逐类统计计数、缺失组合自动补0」的需求,无需拆分计算单维度的table结果:
方案1:基础R原生实现(零依赖,轻量高效)
直接用table()传入两列参数做交叉统计即可,不需要单独分别计算年份、类型的单维度计数:
# 生成交叉列联表:行对应年份,列对应类型,单元格数值为对应组合的出现次数 result <- table(mydata$year, mydata$type)
针对你提供的示例数据,运行后输出的矩阵结构为:
blue red 2000 1 0 2001 2 0 2002 0 2
未在数据中出现的组合会自动填充0值,完全匹配你提出的输出规则。
如果需要转换成示例中逐行展示的格式,只需要对生成的列联表做简单遍历打印:
for (yr in rownames(result)) { cat(yr, ":\n") type_count_text <- paste0('"', colnames(result), '": ', result[yr, ], collapse = ", ") cat(type_count_text, "\n") }
运行后输出内容和你预期的格式完全一致:
2000: "blue": 1, "red": 0 2001: "blue": 2, "red": 0 2002: "blue": 0, "red": 2
方案2:超大规模数据优化实现(百万级记录处理速度更优)
如果数据量达到200万条以上,推荐用data.table包实现,同数据量下处理速度比基础R高一个量级:
# 加载包并把数据框转成高效计算格式 library(data.table) setDT(mydata) # 交叉统计,缺失的年份-类型组合自动补0 result <- dcast(mydata, year ~ type, fun.aggregate = length, fill = 0)
运行后直接输出规整的宽表结构:每行对应一个年份,每列对应一个类型的计数值,同样可以通过简单遍历转成逐行展示格式。
方案3:tidyverse生态实现
如果日常使用dplyr、tidyr工具链,可以用下面的逻辑实现同等效果:
library(dplyr) library(tidyr) result <- mydata %>% # 按年份+类型分组统计计数 count(year, type) %>% # 补全所有缺失的年份、类型组合,缺失计数填充为0 complete(year, type, fill = list(n = 0))
内容的提问来源于stack exchange,提问作者codeforfun
相关产品推荐
相关产品推荐

