Question

我有一个数据框，每年不同国家的公司出口到不同国家。我的问题是我需要创建一个变量，表示每年每个国家有多少家公司。我可以使用“tapply”命令完美地完成此操作，例如

incumbents <- tapply(id, destination-year, function(x) length(unique(x)))

它工作得很好。我的问题是，现任者的长度为length(destination-year)，我需要它的长度为length(id) - 每年有许多公司为每个目的地提供服务 - 在随后的回归中使用它（当然，在匹配年份和目的地的方式）。 “for”循环可以做到这一点，但由于数据库非常庞大，因此非常耗时。

有什么建议吗？

Answer 1

只需将tapply摘要与原始数据框merge“合并”回来。

由于您没有提供示例数据，我做了一些。相应修改。

n           = 1000
id          = sample(1:10, n, replace=T)
year        = sample(2000:2011, n, replace=T)
destination = sample(LETTERS[1:6], n, replace=T)

`destination-year` = paste(destination, year, sep='-')

dat = data.frame(id, year, destination, `destination-year`)

现在将摘要列表。请注意我如何重新格式化为数据框并使名称与原始数据匹配。

incumbents = tapply(id, `destination-year`, function(x) length(unique(x)))
incumbents = data.frame(`destination-year`=names(incumbents), incumbents)

最后，重新合并原始数据：

merge(dat, incumbents)

顺便说一句，destination不是将year和tapply合并到第三个变量中，而是像你所做的那样，incumbents = melt(tapply(id, list(destination=destination, year=year), function(x) length(unique(x))))可以直接将这两个变量作为列表处理：

{{1}}

Answer 2

您没有提供可重复的示例，因此我无法对此进行测试，但您应该可以使用ave：

incumbents <- ave(id, destination-year, FUN=function(x) length(unique(x)))

Answer 3

使用@ JohnColby的优秀示例数据，我想到的更多内容如下：

#I prefer not to deal with the pesky '-' in a variable name
destinationYear = paste(destination, year, sep='-')

dat = data.frame(id, year, destination, destinationYear)

#require(plyr)
dat <- ddply(dat,.(destinationYear),transform,newCol = length(unique(id)))

#Or if more speed is required, use data.table
require(data.table)
datTable <- data.table(dat)

datTable <- datTable[,transform(.SD,newCol = length(unique(id))),by = destinationYear]

将tapply结果恢复到R中的原始数据框架中

3 个答案: