r - 计算每组唯一列值的数量

Question

我有一个看起来像这样的数据集:

name = c("john", "john", "john", "alex","alex", "tim", "tim", "tim", "ralph", "ralph")
year = c(2010, 2011, 2012, 2011, 2012, 2010, 2011, 2012, 2014, 2016)
my_data = data.frame(name, year)

    name year
1   john 2010
2   john 2011
3   john 2012
4   alex 2011
5   alex 2012
6    tim 2010
7    tim 2011
8    tim 2012
9  ralph 2014
10 ralph 2016

我想计算此数据集中的以下两项内容:

• 1. 基于所有年份的分组
• 在这些群组中，至少有一年不连续的群组数量

以 1) 为例:

# sample output for 1)

              year count
1 2010, 2011, 2012     2
2       2011, 2012     1
3       2014, 2016     1

作为 2) 的示例 - 只有第 3 行(在上面的数据框中)包含缺失的年份(即 2014 年到 2016 年，没有 2015 年)。因此，输出将如下所示:

# sample output for 2)

              year count
1       2014, 2016     1

有人可以告诉我如何在 R 中执行此操作吗？有没有办法确保 (2011, 2012) 被认为与 (2012, 2011) 相同？

编辑:对于使用旧版本 R 的任何人，@Rui Barradas 提供了 2) 的答案 - 我已将其包含在此处，以便在复制/粘贴时不会出现歧义:

agg <- aggregate(year ~ name, my_data, c)
agg <- agg$year[sapply(agg$year, function(y) any(diff(y) != 1))]
as.data.frame(table(sapply(agg, paste, collapse = ", ")))

Answer 1

这是基本的 R 解决方案。

# 1.
agg <- aggregate(year ~ name, my_data, paste, collapse = ", ")
as.data.frame(table(agg$year))
#>               Var1 Freq
#> 1 2010, 2011, 2012    2
#> 2       2011, 2012    1
#> 3       2014, 2016    1

# 2.
agg <- aggregate(year ~ name, my_data, c)
agg <- agg$year[sapply(agg$year, \(y) any(diff(y) != 1))]
as.data.frame(table(sapply(agg, paste, collapse = ", ")))
#>         Var1 Freq
#> 1 2014, 2016    1

# final clean up
rm(agg)  

^{创建于 2022 年 12 月 3 日 reprex v2.0.2}

---

编辑

回复评论/请求，

Is there a way to make sure that (2011, 2012) is considered the same as (2012, 2011) ?

一种方法是，在每组name中，首先按年份对数据进行排序。然后运行上面的代码。

my_data <- my_data[order(my_data$name, my_data$year), ]