Question

我有一个非常大的数据框，我需要按品牌进行过滤，这些品牌的可用行数超过50，而列估值中的零值少于10。我用dplyr

可复制的示例

library(dplyr)
library(magrittr)

df <- data.frame(brand=c("Advert","Advert","Bass","Bass","Bass"),
                 date=c("2019-07-15","2019-08-15","2018-01-01","2018-02-15","2015-01-10"),
                 valuation=c(0,1,0,1,1))

# What I have reached so far...

 df %>% dplyr::add_count(brand) %>% group_by(brand) %>% add_count(valuation==0)


>  df %>% dplyr::add_count(brand) %>% group_by(brand) %>% add_count(valuation==0)
# A tibble: 5 x 6
# Groups:   brand [2]
  brand  date       valuation     n `valuation == 0`    nn
  <fct>  <fct>          <dbl> <int> <lgl>            <int>
1 Advert 2019-07-15         0     2 TRUE                 1
2 Advert 2019-08-15         1     2 FALSE                1
3 Bass   2018-01-01         0     3 TRUE                 1
4 Bass   2018-02-15         1     3 FALSE                2
5 Bass   2015-01-10         1     3 FALSE                2

我将使用“ n”列来过滤具有超过50行的品牌，但请注意，“ nn”列中的预期结果应为：

实际上，我需要按品牌组计算零值的比例，但我只能按品牌计算零值

Answer 1

请勿将add_count用于第二个条件。您可以直接使用sum。

df %>% 
  dplyr::add_count(brand) %>% 
  group_by(brand) %>% 
  mutate(nn = sum(valuation == 0))

Answer 2

无需添加n和nn列进行过滤。您可以像下面这样直接filter：

df %>%
  group_by(brand) %>% 
  filter(n()>50,sum(valuation==0)<10)

使用dplyr按组添加零计数

2 个答案: