1

所以我有一个示例数据框，其中包含 id、count 和 username 列，其中 id 和 count 是数字，username 是字符串。

对于数据框的每一行，我想设置一个名为“比率”的新列的值，比率定义为

计数/行数，其中用户名 == 该行中的用户名

所提供数据的示例：
在用户名为“Tom”的每一行中，比率将为 count/4 ，因为用户 Tom 在数据中被找到了四次。

这只是我的问题的简化版本，for 循环不是一个选项，因为我的原始数据框有大约 340 万行，而我之前使用 for 循环迭代例如“用户名”的唯一值来解决这个问题的方法问题需要永远。

我的数据框的输入：

structure(list(id = 1:20, count = c(140L, 89L, 17L, 114L, 129L, 
86L, 21L, 50L, 197L, 160L, 8L, 14L, 78L, 208L, 155L, 55L, 63L, 
20L, 189L, 79L), usernames = structure(c(4L, 3L, 5L, 5L, 2L, 
3L, 1L, 1L, 3L, 1L, 3L, 2L, 5L, 5L, 4L, 4L, 2L, 2L, 2L, 3L), .Label = c("Jerry", 
"Mark", "Phil", "Tina", "Tom"), class = "factor")), .Names = c("id", 
"count", "usernames"), row.names = c(NA, 20L), class = "data.frame")

我希望我为您提供了一切以帮助您理解和重现问题，如果缺少某些内容，请随时在评论中提及。

4

2 回答 2

7

有几种选择。这里有三个，一个在基础 R 中，一个带有data.table，一个带有“plyr”。两者都假设我们从名为“mydf”的 data.frame 开始：

碱基R

within(mydf, {
  temp <- as.numeric(ave(as.character(usernames), usernames, FUN = length))
  ratio <- count/temp
  rm(temp)
})

数据表

library(data.table)
DT <- data.table(mydf)
DT[, ratio := count/.N, by = "usernames"]
DT

plyr

library(plyr)
ddply(mydf, .(usernames), transform,
      ratio = count/length(usernames))
于 2013-03-21T18:41:44.227 回答
3

您可以ave为此使用：

transform(d, x=count/as.numeric(ave(d$usernames, d$usernames, FUN=length)))
于 2013-03-21T18:41:37.333 回答