r - 通过 dplyr 中的多个聚合条件进行子集化

Question

我希望有人知道 dplyr 中的一种简单/高效的方法，我可以在其中定义一个指示变量，如果在 Date X 上，IP 地址存在 >50 次，则取值为 1。数据是两列，一列是 IP 地址，另一列是相关的访问日期。

例如，我希望机器人列中的以下输出（假设日期/IP 组合 >=3）。

IP Date Robot
1   A   1
1   A   1
1   A   1
1   B   0
2   B   0
2   C   1
2   C   1
2   C   1
3   C   0
3   D   0
4   A   0

---

谢谢！

Answer 1

您可以group_by使用这两个变量n()来测试当天有多少地址。

group_by(df,date,ip) %>% 
  mutate(keep=as.numeric(n() > 50))

Answer 2

对于效率相同的逻辑data.table：

library(data.table)

DT <- fread("IP Date
            1   A   
            1   A   
            1   A   
            1   B   
            2   B   
            2   C   
            2   C   
            2   C   
            3   C   
            3   D   
            4   A")

DT[, Robot := ifelse(.N >= 3, 1, 0), keyby = .(IP, Date)]

当然，您需要将条件更改为.N >= 50您希望 50 成为阈值的时间。

Answer 3

我们可以使用data.table. 将“data.frame”转换为“data.table”（setDT(df1)），按“IP”和“日期”分组，我们通过将逻辑（.N>=3）转换为二进制表示来创建“机器人”。这可以通过使用+逻辑向量或使用函数来完成as.integer。

library(data.table)
setDT(df1)[, Robot:= +(.N>=3), .(IP, Date)]

+可以替换为as.integer

---

或者base R，我们可以使用ave

transform(df1, Robot=as.integer(ave(IP, IP, Date, FUN=length)>=3))