r语言 - 以 data.table 中的第二个标识符为条件的组的平均观测值数

Question

我有一个具有以下结构的数据框

V1   V2
X1   Y1
X1   Y2
X2   Y2
X2   Y2
X3   Y4
X3   Y5
X3   Y5
X4   Y6
X4   Y6
X4   Y6

我想计算V1和V2之间的平均对数，以便在data.table中V1。最终结果应如下所示，并包含观察到的 V1 对的平均数量。

V1   avg.num.pairs
X1    1.0
X2    2.0
X3    1.5
X4    3.0

这个问题有什么优雅的解决方案吗？

Answer 1

一个dplyr选项可能是：

df %>%
group_by(V1) %>%
summarise(V2 = n()/n_distinct(V2))
V1       V2
<chr> <dbl>
1 X1      1  
2 X2      2  
3 X3      1.5
4 X4      3  

与data.table相同：

setDT(df)[, .(V2 = .N/uniqueN(V2)), by = V1]

Answer 2

一个简单的基本R解决方案是使用aggregate，即

dfout <- aggregate(V2 ~ V1,df, function(x) length(x)/length(unique(x)))

这样

> dfout
V1  V2
1 X1 1.0
2 X2 2.0
3 X3 1.5
4 X4 3.0

数据

df <- structure(list(V1 = c("X1", "X1", "X2", "X2", "X3", "X3", "X3", 
"X4", "X4", "X4"), V2 = c("Y1", "Y2", "Y2", "Y2", "Y4", "Y5", 
"Y5", "Y6", "Y6", "Y6")), class = "data.frame", row.names = c(NA, 
-10L))