r - 如何获得总体重复计数？

Question

我在下面提到了数据框:

DF <- read.table(text = "
Date         ID
2018-04-01   K-1
2018-04-01   K-1
2018-04-01   K-8
2018-04-02   K-2
2018-04-02   K-2
2018-04-03   K-2
2018-04-03   K-2
2018-04-03   K-2
2018-04-04   K-3
2018-05-01   K-5
2018-05-01   K-5
2018-05-02   K-6
2018-05-02   K-7", header = TRUE, stringsAsFactors = FALSE)

通过使用上面提到的数据帧，我想确定下面提到的指标:

Date       Unique_count      Duplicate_Count      Overall_Duplicate
2018-04-01 2                 1                    0
2018-04-02 1                 1                    0
2018-04-03 0                 0                    3
2018-04-04 1                 0                    0
2018-05-01 1                 1                    0
2018-05-02 2                 0                    0

在哪里:

Unique_count - 独特 ID为特定日期创建 ID不应与之前的任何 ID 匹配.

Duplicate_count - 额外的计数(如果有 2 K-1 比 - Duplicate_count 应该是 1)相同 ID为特定日期生成，相同 ID不应与之前的任何 ID 匹配.

Overall_Duplicate - 计数 ID先前已生成并在特定日期再次出现。

我有下面提到的代码，不确定 Overall_Duplicate :

library(dplyr)

DF2 <- DF %>%
  group_by(Date) %>%
  summarise(Unique_Count  = n_distinct(ID),
            Duplicate_Count = sum(table(ID)>1))

Answer 1

如果你先按ID分组，找到每个ID第一次出现的时候，就可以把后面的所有ID(第一次出现之后)都改成NA，然后再做一些计算得到你想要的。

DF %>%
  group_by(ID) %>%
  mutate(first_time = min(Date)) %>% 
  ungroup() %>% 
  mutate(ID = ifelse(Date == first_time, ID, NA)) %>% 
  group_by(Date) %>% 
  summarise(Unique_Count = n_distinct(ID, na.rm = TRUE),
            Overall_Duplicate = sum(is.na(ID)),
            Duplicate_Count = n() - Unique_Count - Overall_Duplicate)