r - 使用 R 到 COUNT() 和 GROUP_CONCAT(DISTINCT x)

Question

我正在用 R 分析我的网络服务器日志:

data = read.table("/path/to/log", sep=" ")

这些日志包括最终用户的 IP 地址和 USER_ID(登录后)。

我正在寻找比平时更活跃的用户，或者比平时使用更多 IP 地址的用户。

我目前可以让 R 按 USER_ID 对记录进行分组和计数:

counts <- ddply(data, .(data$user_id), nrow);
names(counts) <- c("user_id", "freq");
print(counts[order(counts$freq),c(2,1)], row.names = FALSE);

freq  user_id
   1    10171
  40     7433
  94      210
 102     2043

但我还想添加 GROUP_CONCAT(DISTINCT IP) 的等效项，如 SQL 中所示，我也可以在其中看到该用户的不同 IP 地址的列表。

freq  user_id  ips
   1    10171  192.168.0.1
  40     7433  192.168.0.5,192.168.0.2
  94      210  192.168.0.9
 102     2043  192.168.0.1,192.168.0.3,192.168.0.8

在 SQL 中，它看起来像:

SELECT
    user_id,
    COUNT(id) AS freq,
    GROUP_CONCAT(DISTINCT ip SEPARATOR ",") AS ips
FROM
    log_table
GROUP BY
    user_id
ORDER BY
    freq ASC;

这可能通过aggregate() 函数实现，但我目前还没有弄清楚如何实现。

Answer 1

我们可以dplyr .我们按“user_id”分组，然后将“freq”作为行数(n())和“ips”作为paste(unique(ip), collapse=', ') (或者我们使用 toString 作为包装器)。

library(dplyr) 
data %>%
    group_by(user_id) %>%
    summarise(freq= n(), ips= toString(unique(ip)))
    #not sure we wanted the nrow or `length`  of `unique` 'ip'
    #if the latter is the case
    #summarise(freq=n_distinct(ip), ips = toString(unique(ip)))

如果我们想要一个 base R解决方案

do.call(data.frame, aggregate(ip~user_id, data,
    FUN= function(x) c(freq= length(unique(ip)), ips=toString(unique(ip))))