使用dplyr计算左连接的结果 [英] Counting the result of a left join using dplyr

问题描述

使用dplyr计算左外连接的结果的正确方法是什么？

考虑两个数据框：

  a<  -  data.frame（id = c（1，2，3，4））
b<  -  data.frame（id = c （1，3，3，3，4），ref_id = c（'a'，'b'，'c'，'d'，'e'，'f'））
  

a 指定四个不同的ID。 b 指定在 a 中引用ID的六条记录。如果我想看到每个ID被引用多少次，我可以尝试这样：

  a％>％left_join（b ，by ='id'）％>％group_by（id）％>％summarize（refs = n（））
来源：本地数据框[4 x 2] 
 
 id refs 
（dbl）（int）
 1 1 2 
 2 2 1 
 3 3 3 
 4 4 1 
 但是，结果是误导，因为它表示ID  2 被引用一次，实际上，它从未被引用（在ID 2的中间数据框中，ref_id为 NA ）。我想避免引入一个单独的库，如 sqldf 。
解决方案
使用data.table，您可以执行
  library（data.table）
 setDT（a）; setDT（b）
 
b [a，.N，on =id，by = .EACHI] 
 
 
 id N 
 1：1 2 
 2：2 0 
 3：3 3 
 4：4 1 
  
这里，语法是 x [i，j，on，by = .EACHI] 。
 
 
 
 
 
  .EACHI 指每一行 i = a 。 
 
 
  j = .N 为行数使用一个特殊变量。
 
 
 
What is the proper way to count the result of a left outer join using dplyr?

Consider the two data frames:
a <- data.frame( id=c( 1, 2, 3, 4 ) )
b <- data.frame( id=c( 1, 1, 3, 3, 3, 4 ), ref_id=c( 'a', 'b', 'c', 'd', 'e', 'f' ) )
a specifies four different IDs. b specifies six records that reference IDs in a. If I want to see how many times each ID is referenced, I might try this:
a %>% left_join( b, by='id' ) %>% group_by( id ) %>% summarise( refs=n() )
Source: local data frame [4 x 2]

     id  refs
  (dbl) (int)
1     1     2
2     2     1
3     3     3
4     4     1
However, the result is misleading because it indicates that ID 2 was referenced once when in reality, it was never referenced (in the intermediate data frame, ref_id was NA for ID 2). I would like to avoid introducing a separate library such as sqldf.
解决方案
With data.table, you can do 
library(data.table)
setDT(a); setDT(b)

b[a, .N, on="id", by=.EACHI]


   id N
1:  1 2
2:  2 0
3:  3 3
4:  4 1
Here, the syntax is x[i, j, on, by=.EACHI].


.EACHI refers to each row of i=a. 
j=.N uses a special variable for the number of rows.


                        
这篇关于使用dplyr计算左连接的结果的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！