Início / coding / Perguntas / 79412559
Accepted
geoscience123
Asked: 2025-02-05 01:40:39 +0800 CST

Como contar o número de correspondências em uma coluna da lista tibble para outro quadro de dados em R?

  • 772

Tenho dois conjuntos de dados:

O primeiro data frame ( small) é relativamente menor que o segundo data frame ( large). Cada data frame tem uma idcoluna com identificadores exclusivos. O data frame menor tem uma coluna de lista chamada links, que contém uma lista de links para o segundo data frame maior. O data frame maior tem uma coluna de atributos, que chamaremos de att:

library(tidyverse)

a <- c(3, 3, NA, 5)
b <- c(NA, 3, 4, 5)

small <- tibble(id = c(1, 2),
                links = list(a, b))

large <- tibble(id = c(3, 4, 5),
                att = c("yes", "no", "maybe"))

Meu objetivo é contar o número de vezes que cada observação no smallquadro de dados tem links para observações com o "yes"atributo no largequadro de dados.

Sinto que algo assim está no caminho certo, mas não está contando corretamente:

counted <- small %>%
  mutate(count_yes = map_int(links, ~ sum(large$att[large$id %in% .x] == "yes")))

print(counted)
#> # A tibble: 2 × 3
#>      id links     count_yes
#>   <dbl> <list>        <int>
#> 1     1 <dbl [4]>         1
#> 2     2 <dbl [4]>         1

Aqui, count_yesaparece apenas como 1, quando deveria ser lido como 2 e 1.

2 respostas

  1. Best Answer

    Você está no caminho certo, mas precisa de alguns ajustes.

    small %>%
  mutate(count_yes = map_int(links, ~sum(.x %in% large$id[large$att %in% "yes"])))

#     id links     count_yes
#  <dbl> <list>        <int>
#1     1 <dbl [4]>         2
#2     2 <dbl [4]>         1

    Ou na base R:

    sapply(small$links, \(x) sum(x %in% large$id[large$att %in% "yes"]))

    Observe o uso de %in%em vez de ==retornaria FALSEpara NAvalores.

    • 3

  2. Como você está procurando uma solução , acho que uma maneira expressiva aqui é na tidyr::unnest()coluna da lista aqui, depois left_join()em largee summarise():

    small |>
    tidyr::unnest(links) |>
    left_join(large, by = c("links" = "id")) |>
    summarise(
        links = list(links),
        count_yes = sum(att == "yes", na.rm = TRUE), .by = id
    )

# # A tibble: 2 × 3
#      id links     count_yes
#   <dbl> <list>        <int>
# 1     1 <dbl [4]>         2
# 2     2 <dbl [4]>         1

    Embora eu prefira manter os dados em formato longo em vez de fazer a última etapa, a menos que haja um bom motivo para trabalhar com colunas de lista, pois isso evitará a necessidade de iterar sobre uma coluna com funções map*()ou *apply().

    • 1

relate perguntas