r 如何获取重复值的总数

Question

我有一个包含 person_id、study_id 列的数据框，如下所示:

 person_id    study_id    
 10            1          
 11            2          
 10            3          
 10            4          
 11            5          

我想计算 1 项研究或 2 项研究的人数(按 person_id 唯一) - 所以不是那些对 study_id 有特殊值(value)的人，但是:

• 2 人进行 1 项研究
• 3 人进行 2 项研究
• 1 人有 3 项研究
• 等等

我该怎么做？我想也许是一个循环计数，但我想知道是否有一个包可以让它更容易？

Answer 1

为了获得更符合您预期输出的示例数据集，我将使用它

dd <- data.frame(
   person_id = c(10, 11, 15, 12, 10, 13, 10, 11, 12, 14, 15), 
   study_id = 1:11
)

现在我可以计算有多少人进行了给定的研究。

table(rowSums(with(dd, table(person_id, study_id))>0))

# 1 2 3 
# 2 3 1 

顶线是研究的数量，底线是进行该研究的人数。

这是可行的，因为

with(dd, table(person_id, study_id))

返回

         study_id
person_id 1 2 3 4 5 6 7 8 9 10 11
       10 1 0 0 0 1 0 1 0 0  0  0
       11 0 1 0 0 0 0 0 1 0  0  0
       12 0 0 0 1 0 0 0 0 1  0  0
       13 0 0 0 0 0 1 0 0 0  0  0
       14 0 0 0 0 0 0 0 0 0  1  0
       15 0 0 1 0 0 0 0 0 0  0  1

然后我们使用 >0 和 rowSums 来计算每个人的独特研究。然后我们再次使用table来总结结果。

为你的数据建表占用内存太多，你可以试试

table(with(dd, tapply(study_id, person_id, function(x) length(unique(x)))))

这是一种略有不同的方式来获得相同的东西。