计算每组的行数并将结果添加到原始数据框

您可以这样做：

> ddply(df,.(name,type),transform,count = NROW(piece))
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red plate   3     1
5   red  sofa   4     1

或者更直观地说，

> ddply(df,.(name,type),transform,count = length(num))
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red plate   3     1
5   red  sofa   4     1

您可以使用：ave

df$count <- ave(df$num, df[,c("name","type")], FUN=length)

使用 data.table：

library(data.table)
dt = as.data.table(df)

# or coerce to data.table by reference:
# setDT(df)

dt[ , count := .N, by = .(name, type)]

有关预备选项，请参阅编辑历史记录。data.table 1.8.2

---

使用 dplyr：

library(dplyr)
df %>%
  group_by(name, type) %>%
  mutate(count = n())

或者简单地说：

add_count(df, name, type)

---

使用 plyr：

plyr::ddply(df, .(name, type), transform, count = length(num))

另一种概括更多的方式：

df$count <- unsplit(lapply(split(df, df[c("name","type")]), nrow), df[c("name","type")])

基本函数将使用单行代码获取计数，但将这些计数添加回原始计数似乎需要一些处理。Raggregatedata.frame

df <- data.frame(name=c('black','black','black','red','red'),
                 type=c('chair','chair','sofa','sofa','plate'),
                 num=c(4,5,12,4,3))
df
#    name  type num
# 1 black chair   4
# 2 black chair   5
# 3 black  sofa  12
# 4   red  sofa   4
# 5   red plate   3

rows.per.group  <- aggregate(rep(1, length(paste0(df$name, df$type))),
                             by=list(df$name, df$type), sum)
rows.per.group
#   Group.1 Group.2 x
# 1   black   chair 2
# 2     red   plate 1
# 3   black    sofa 1
# 4     red    sofa 1

my.summary <- do.call(data.frame, rows.per.group)
colnames(my.summary) <- c(colnames(df)[1:2], 'rows.per.group')
my.data <- merge(df, my.summary, by = c(colnames(df)[1:2]))
my.data
#    name  type num rows.per.group
# 1 black chair   4              2
# 2 black chair   5              2
# 3 black  sofa  12              1
# 4   red plate   3              1
# 5   red  sofa   4              1

这应该做你的工作：

df_agg <- aggregate(num~name+type,df,FUN=NROW)
names(df_agg)[3] <- "count"
df <- merge(df,df_agg,by=c('name','type'),all.x=TRUE)

两行替代方案是生成一个 0 的变量，然后用 、 填充它，如下所示：split<-splitlengths

# generate vector of 0s
df$count <-0L

# fill it in
split(df$count, df[c("name", "type")]) <- lengths(split(df$num, df[c("name", "type")]))

这将返回所需的结果

df
   name  type num count
1 black chair   4     2
2 black chair   5     2
3 black  sofa  12     1
4   red  sofa   4     1
5   red plate   3     1

从本质上讲，RHS 计算每个名称类型组合的长度，返回一个长度为 6 的命名向量，其中 “red.chair” 和 “black.plate” 的 0 个。这被馈送到 LHS，LHS 使用它获取向量并在其给定点中适当地添加值。这基本上就是这样，正如你所看到的，倒数第二行是split <-aveave

split(x, g) <- lapply(split(x, g), FUN)

但是，是 的优化版本。lengthssapply(list, length)

您距离将行计数合并到基础数据集中仅一步之遥。

使用包中的函数，将频率表转换为数据帧和内部连接：tidy()broomdf

df <- data.frame(name=c('black','black','black','red','red'),
                         type=c('chair','chair','sofa','sofa','plate'),
                         num=c(4,5,12,4,3))
library(broom)
df <- merge(df, tidy(table(df[ , c("name","type")])), by=c("name","type"))
df
   name  type num Freq
1 black chair   4    2
2 black chair   5    2
3 black  sofa  12    1
4   red plate   3    1
5   red  sofa   4    1

使用 sqldf 包：

library(sqldf)

sqldf("select a.*, b.cnt
       from df a,
           (select name, type, count(1) as cnt
            from df
            group by name, type) b
      where a.name = b.name and
            a.type = b.type")

#    name  type num cnt
# 1 black chair   4   2
# 2 black chair   5   2
# 3 black  sofa  12   1
# 4   red  sofa   4   1
# 5   red plate   3   1

基数 R 中的一行简单：

df$count = table(interaction(df[, (c("name", "type"))]))[interaction(df[, (c("name", "type"))])]

为了清晰/高效，两行相同：

fact = interaction(df[, (c("name", "type"))])
df$count = table(fact)[fact]

另一个选项使用 add_tally from .下面是一个可重现的例子：dplyr

df <- data.frame(name=c('black','black','black','red','red'),
                 type=c('chair','chair','sofa','sofa','plate'),
                 num=c(4,5,12,4,3))
library(dplyr)
df %>%
  group_by(name, type) %>%
  add_tally(name = "count")
#> # A tibble: 5 × 4
#> # Groups:   name, type [4]
#>   name  type    num count
#>   <chr> <chr> <dbl> <int>
#> 1 black chair     4     2
#> 2 black chair     5     2
#> 3 black sofa     12     1
#> 4 red   sofa      4     1
#> 5 red   plate     3     1

^{创建于 2022-09-11 with reprex v2.0.2}

在 中，使用 .fcount 明显比任何其他选项都快。collapsefcount

library(collapse)
df |> 
  fcount(name, type, add = TRUE, name = "count")

#    name  type num count
# 1 black chair   4     2
# 2 black chair   5     2
# 3 black  sofa  12     1
# 4   red  sofa   4     1
# 5   red plate   3     1