我正在写一份文件,如果我有一个日期的测试清单。我试着让R水平地转动它们,第一个测试先出现,后一个测试出现在后面。然而,当应用诸如sort()或order()甚至group_by()之类的函数时,R有时仍会在第一列中显示一个更早的测试,该测试将转向水平。
我认为我应该在编号之前对日期列进行某种排序,这样R就可以用第一个数字值对实际的第一次测试进行编号。
知道我会怎么做吗?
我的数据看起来是这样的:
employee nr. date date2 test_1 test_2
x 2010/01/10 2010/01/05
我有这些数据。
group name
1 A
1 A
1 A
1 B
1 C
2 A
2 B
3 A
3 B
3 C
3 D
我想用标准过滤这个组。例如,我想过滤{A,B,C}中的组。
组1将被过滤,因为{A,B,C} (组1的唯一组合)在{A,B,C}中。
组2将被过滤,因为{A,B}在{A,B,C}中。
但是,由于{A,B,C,D}不是{A,B,C}的子集,所以第3组不会被过滤。
我应该如何处理这个问题?此外,我还有更多的标准(即{A,B,C}和{A,C}
我在R中有用户级别的数据,它显示了用户与之交互的不同组。我想要弄清楚的是这些群体之间的重叠。我有一个下面的数据样本:
Group UserID
A User1
B User1
D User1
A User2
正如你所看到的,User1已经与3个群组进行了交互,而User2只与A组进行了交互。我想知道的是每个群组所拥有的用户的“市场份额”。例如,A组有100,000个用户只与A组交互,10,000个用户与A&B交互,5,000个用户与A,B和C交互,等等。显然有很多组合。
有没有办法用tidyr/dplyr来计算呢?大约有100万个用户和600个组。每个用
我有以下数据:
df1 <- data.frame( id = c(1,1,2) , a = c('a','b','c'))
> df1
id a
1 1 a
2 1 b
3 2 c
如果一个组的至少一个元素满足给定的条件,我想过滤(删除)在变量上定义的组的所有元素。这里,如果变量a等于'a‘,则抑制与id对应的行。
我尝试了以下操作,它只删除带有== 'a‘的行,因为我希望对id == 1的组进行过滤
> df1 %>%
+ group_by( id ) %>%
+ filter(
我试图根据玩家的出生状态来总结某些列中的值。
使用R中的Lahman包,我有以下代码:
library(Lahman)
#filter data frames by year
#collegeInfo <- CollegePlaying %>% filter(yearID >= 1999) #to do later
battingInfo <- Batting %>% filter(yearID >= 1999)
total <- merge(battingInfo,People,by="playerID")
totalN <-
我有一个计算ISBN版税的方法的素材。它将销售额按销售渠道进行划分。特许权使用费由售出的总数量确定,特许权使用费通过将特许权使用费(百分比)乘以总收入来计算。因此,结果应该是每个isbn的每个销售渠道的计算版税数字。原谅那些可能被过度注释的代码。
在isbns_controller的显示方法中:
@isbn = Isbn.find(params[:id])
def royalty(isbn)
@royaltiesbychannel = Hash.new()
# Returns all sales for the current isbn, and groups them b
我试图做一个'group_by‘的数据文件,但里面的条件,但有些东西是缺少的.但解决办法似乎很简单.欢迎任何帮助!
var1 <- "no"
result <- starwars %>%
if (var1=="yes") group_by(.,gender)
else if (var1=="no") group_by(.,gender,skin_color)}
我有以下数据集: Class Value
A 5.4
A 5.4
A 5.4
B 3.6
B 2.7
C 4.02
C 4.02
C 4.02
D 6.33
D 6.33 我想要的是只检索具有相似值的类,在本例中应该返回类A和D,而不是B类,因为它有两个不同的值。 为此,我尝试了以下方法: sub <- dataset[as.logical(ave(dataset$Value, dataset$Class, FUN =
我有一个3列和几百行的数据框架。某一列包含三个字符串之一:“打开”、“关闭”、“取消”
type unique_id group
1 Open 11468329881 g_2
2 Close 11468329881 g_2
3 Open 23254429881 g_3
4 Cancel 23254429881 g_3
5 Open 32550829881 g_4
6 Close 32550829881 g_4
7 Open 43254429881 g_5
8 Close 43254429881 g_5
9
示例数据:
(tmp_df <-
expand.grid(id = letters[1:3], y = 1:3))
# id y
# 1 a 1
# 2 b 1
# 3 c 1
# 4 a 2
# 5 b 2
# 6 c 2
# 7 a 3
# 8 b 3
# 9 c 3
以下工作:
tmp_df %>%
group_by(id) %>%
mutate_at(which(colnames(.) %in% c("y")),
sum)
# id y
# <fct