如何为cases数据框添加对应events关联记录数的新列

嘿，这问题我熟！要给cases数据框新增一列，记录每个case对应的events条目数量，我给你分享几种实用的R语言实现方法，都能轻松搞定一对多的关联计数：

先准备示例测试数据 #

首先咱们先造一组可运行的示例数据，方便你测试效果：

cases <- data.frame(
  id = 1:5,
  date = c("2017-01-02", "2016-02-03", "2015-02-12", "2016-01-03", "2018-05-10")
)

events <- data.frame(
  caseId = c(1,1,2,3,3,3,5),
  event_type = c("login", "purchase", "login", "view", "purchase", "logout", "login")
)

方法1：用dplyr（tidyverse）实现（推荐，代码可读性高） #

如果你习惯用tidyverse工具链，这种方法逻辑清晰，新手也容易理解：

library(dplyr)

# 第一步：统计每个caseId对应的事件条数
event_counts <- events %>%
  count(caseId, name = "event_count")  # name参数指定计数列的名称

# 第二步：左连接回cases数据框，确保所有case记录都保留
cases_with_counts <- cases %>%
  left_join(event_counts, by = c("id" = "caseId")) %>%
  mutate(event_count = replace_na(event_count, 0))  # 把无事件的case的NA替换为0

# 查看最终结果
cases_with_counts

方法2：用Base R实现（无需额外安装包） #

如果不想加载第三方包，用基础R的函数也能搞定：

# 先统计每个caseId的事件频率
event_table <- table(events$caseId)

# 将频率匹配到cases的id列，注意要转换类型匹配
cases$event_count <- as.integer(event_table[as.character(cases$id)])

# 把没有对应事件的case的NA替换为0
cases$event_count[is.na(cases$event_count)] <- 0

# 查看结果
cases

方法3：用data.table实现（大数据量场景更高效） #

如果你的数据集非常大，data.table的速度优势会很明显：

library(data.table)

# 先把普通数据框转换为data.table格式
setDT(cases)
setDT(events)

# 直接在cases中新增计数列，一步完成匹配和计数
cases[, event_count := events[.SD, .N, on = .(caseId = id), by = .EACHI]$N]

# 替换NA为0
cases[is.na(event_count), event_count := 0]

# 查看结果
cases

这三种方法都能实现你的需求，你可以根据自己的使用习惯和数据规模来选择~

内容的提问来源于stack exchange，提问作者D. Studer