我有大量数据，我必须计算每个 ID 的测量值。我已经做的是在所有文件上创建一个数据框，我省略了 NA。这部分工作正常。我想知道 nrow-function 是否是解决这个问题的正确函数，但我发现这不会导致我到达目标，因为它返回一个数字作为输出。
我正在寻找的是如果你有这样的条目：
1155 2010-05-02 2.7200 1
1156 2010-05-05 2.6000 3
1157 2010-05-08 2.6700 1
1158 2010-05-11 3.5700 2
我得到一个清单：
ID Number of observations
1 2
2 1
3 1
使用data.table结构（参见wiki），
library(data.table)
D <- data.table(x = c(1155, 1156, 1157, 1158),
date = as.Date(c("2010-05-02", "2010-05-05", "2010-05-08", "2010-05-11")),
y = c(2.7200, 2.6000, 2.6700, 3.5700),
id = c(1, 3, 1, 2))
counts <- D[, .(rowCount = .N), by = id]
counts
这将返回
counts
## id rowCount
## 1: 1 2
## 2: 3 1
## 3: 2 1
另一种方法是简单地使用“表格”功能。
ids<-c(1,3,1,2)
counts<-data.frame(table(ids))
counts
好的，如果我理解正确，您可以执行以下操作：
df$observations <- rep(1, nrow(df))
df <- df[ ,-file_name_column]
new_data <- data.frame(aggregate(df, by= ID, FUN=sum))
注意：这可能无法完全正常工作，因为我不确定您的数据框是什么样的。
正如前面的答案所暗示的那样，aggregate() 应该可以工作。另一种选择是使用plyr 包：
count(yourDF,c('id'))
在带有“id”的向量中使用更多列将细分计数。
我相信 ddply()（也是 plyr 的一部分）有一个 summarise 参数，它也可以做到这一点，类似于 aggregate()。