如何在R data.frame中添加按组的唯一值计数

我希望通过对第二个variables进行分组来统计唯一值的数量,然后将计数添加到现有data.frame中作为新列。 例如,如果现有的数据框如下所示:

color type 1 black chair 2 black chair 3 black sofa 4 green sofa 5 green sofa 6 red sofa 7 red plate 8 blue sofa 9 blue plate 10 blue chair 

我想为每种color添加数据中存在的唯一types的数量:

  color type unique_types 1 black chair 2 2 black chair 2 3 black sofa 2 4 green sofa 1 5 green sofa 1 6 red sofa 2 7 red plate 2 8 blue sofa 3 9 blue plate 3 10 blue chair 3 

我希望能使用ave ,但似乎无法find一个简单的方法,不需要很多行。 我有> 100,000行,所以我也不知道效率是多么重要。

这个问题有点类似于这个问题: 计数每个组的观察值/行数,并将结果添加到数据框

    使用ave (因为你特别要求):

     within(df, { count <- ave(type, color, FUN=function(x) length(unique(x)))}) 

    确保type是字符向量而不是因素。


    既然你也说你的数据是巨大的,速度/性能可能因此是一个因素,我也build议data.table解决scheme。

     require(data.table) setDT(df)[, count := uniqueN(type), by = color] # v1.9.6+ # if you don't want df to be modified by reference ans = as.data.table(df)[, count := uniqueN(type), by = color] 

    uniqueNuniqueN中实现,是一个更快的等效length(unique(.)) 。 另外它也可以和data.frames / data.tables一起使用。


    其他解决scheme

    使用plyr:

     require(plyr) ddply(df, .(color), mutate, count = length(unique(type))) 

    使用aggregate

     agg <- aggregate(data=df, type ~ color, function(x) length(unique(x))) merge(df, agg, by="color", all=TRUE) 

    这是dplyr包的一个解决scheme – 它有n_distinct()作为length(unique())的包装。

     df %>% group_by(color) %>% mutate(unique_types = n_distinct(type)) 

    这也可以在vector化的情况下实现,无需通过组合uniquetabletabulate

    如果df$colorfactor ,那么

     table(unique(df)$color)[as.character(df$color)] # black black black green green red red blue blue blue # 2 2 2 1 1 2 2 3 3 3 

    要么

     tabulate(unique(df)$color)[as.integer(df$color)] # [1] 2 2 2 1 1 2 2 3 3 3 

    如果df$colorcharacter那么只是

     table(unique(df)$color)[df$color] 

    如果df$color是一个integer那么只是

     tabulate(unique(df)$color)[df$color]