Question

我希望在.xdf文件中通过var1 count var2分组的不同值，

我试过这样的事情

 myFun <- function(dataList) {
    UniqueLevel <<- unique(c(UniqueLevel, dataList$var2))
    SumUniqueLevel <<- length(UniqueLevel)
    return(NULL)
    }

rxSummary(formula = ~ var1,
data = "DefModelo2.xdf",
transformFunc = myFun,
transformObjects = list(UniqueLevel = NULL),
removeZeroCounts = F)

提前谢谢

编辑：

可能使用RevoPemaR是更快的方式

Answer 1

另一个选择是使用rxCrossTabs。通过这种方式，您可以获得两个因子的交叉列表，并且您可以计算非零条目以通过其中一个因素确定唯一值。

censusWorkers <- file.path(rxGetOption("sampleDataDir"), "CensusWorkers.xdf")
censusXtabAge <- rxCrossTabs(~ F(age):F(wkswork1), data = censusWorkers, 
                             removeZeroCounts = FALSE, returnXtabs = TRUE)
apply(censusXtabAge != 0, MARGIN = 1, sum)

Answer 2

按var1拆分，然后为每个组计算var2的唯一值。这假定var1和var2是因素，如果他们不是你必须首先运行rxFactors。

xdflst <- rxSplit(xdf, splitByVars="var1", varsToKeep=c("var1", "var2"))

out <- rxExec(function(grp) {
        var1 <- head(grp, 1)$var1
        var2 <- rxDataStep(grp, varsToKeep="var2")$var2
        data.frame(var2, distinct=length(unique(var2)))
    },
    grp=rxElemArg(xdflst))

do.call(rbind, out)

或者您可以获取我的dplyrXdf package并使用dplyr group_by / summarize管道（基本上完成以上所有操作，包括在必要时转换为因子）：

xdf %>% group_by(var1) %>%
    summarise(distinct=n_distinct(var2),
              .rxArgs=list(varsToKeep=c("var1", "var2")))

在rxSummary中计算明显

2 个答案: