我正在试图找出一种快速的方法来计算指定字符在数据帧列中按组出现的"第一次"次数.在这个例子中，我试图总结(求和)第一次的次数，对于每Period次，"X"的State出现，按ID分组.我正在寻找一种快速的方法来处理这一点，因为它是在数百万行的数据库上运行的.也许使用data.table包有一个很好的解决方案？
下面我说明了我试图实现的目标，并在底部发布了名为testDF的数据帧的代码.
代码:
testDF <-
data.frame(
ID = c(rep(10,5),rep(50,5),rep(60,5)),
Period = c(1:5,1:5,1:5),
State = c("A","B","X","X","X",
"A","A","A","A","A",
"A","X","A","X","B")
)
也许我们可以先按‘ID’分组，然后创建列，然后按‘Period’和summarise分组
library(dplyr)
testDF %>%
group_by(ID) %>%
mutate(`1stStateX` = row_number() == which(State == "X")[1]) %>%
group_by(Period) %>%
summarise(`1stStateX` = sum(`1stStateX`, na.rm = TRUE), .groups = 'drop')
-输出
# A tibble: 5 × 2
Period `1stStateX`
<int> <int>
1 1 0
2 2 1
3 3 1
4 4 0
5 5 0
另一个选项是按ID分组后为slice，得到count并使用complete填充不可用的‘Period’
library(tidyr)
testDF %>%
group_by(ID) %>%
slice(match('X', State)) %>%
ungroup %>%
count(Period, sort = TRUE ,name = "1stStateX") %>%
complete(Period = unique(testDF$Period),
fill = list(`1stStateX` = 0))
-输出
# A tibble: 5 × 2
Period `1stStateX`
<int> <int>
1 1 0
2 2 1
3 3 1
4 4 0
5 5 0
或data.table中的类似选项
library(data.table)
setDT(testDF)[, `1stStateX` := .I == .I[State == 'X'][1],
ID][, .(`1stStateX` = sum(`1stStateX`, na.rm = TRUE)), by = Period]
-输出
Period 1stStateX
<int> <int>
1: 1 0
2: 2 1
3: 3 1
4: 4 0
5: 5 0