Y at-il un équivalent tidyverse à SELECT ... COUNT (*) ... GROUP BY ...?

Question

Je veux comprendre comment faire accomplir des fonctionnalités "group by" et "count" dans le tidyverse. J'ai regardé quelques articles sans trouver tout à fait ce que je voulais; s'il y a une réponse à ce déjà posté, j'apprécierais le lien. Par exemple, je suis à la recherche de valeurs aberrantes dans les données; Je veux savoir quels endroits ont reçu le plus de mesures « mauvais »:

place = rep(c('AL','AK','AZ','AR','CA','CO','CT','DE','FL','GA','HI'), times=4) 
measure = rep(c('meas1','meas2','meas3','meas4'), each=11) 
set.seed(200) 
rating = sample(c('good','bad'), size = 44, prob=c(2,1), replace=T) 
df = data.frame(place, measure, rating) 

> df 
    place measure rating 
1  AL meas1 good 
2  AK meas1 good 
3  AZ meas1 good 
4  AR meas1 bad 
5  CA meas1 bad 
6  CO meas1 bad 
7  CT meas1 bad 
8  DE meas1 good 
9  FL meas1 good 
10 GA meas1 good 
     ....(etc)..... 

Je veux comprendre comment faire en utilisant le tidyverse. Cette approche à l'aide sqldf me donne ce que je veux, ce me dit quels endroits avait le plus la cote « mauvais », et classe les lieux par leur « mauvais-ness »

library(sqldf)  
sqldf("SELECT place, rating, COUNT(*) AS Count FROM df GROUP BY place, rating ORDER BY rating, count DESC"). 

    place rating Count 
1  CA bad  3 
2  AK bad  2 
3  AR bad  1 
4  CO bad  1 
5  CT bad  1 
6  DE bad  1 
7  FL bad  1 
8  GA bad  1 
9  AL good  4 
10 AZ good  4 
11 HI good  4 
    ....(etc).... 

est-il un moyen de faire obtenir des résultats similaires dans le tidyverse?

Answer 1

Pour une introduction à ces opérations de base dans le tidyverse, je vous suggère de lire Wickham et un excellent R de Grolemund pour la science des données en première instance: http://r4ds.had.co.nz/

Vous pouvez utiliser des packages de dplyr et magrittr faire la suivant dans un format facile à suivre manière:

# Install the tidyverse 
library(tidyverse) 

# Create data 
place = rep(c('AL','AK','AZ','AR','CA','CO','CT','DE','FL','GA','HI'), times=4) 
measure = rep(c('meas1','meas2','meas3','meas4'), each=11) 
set.seed(200) 
rating = sample(c('good','bad'), size = 44, prob=c(2,1), replace=T) 
df = data.frame(place, measure, rating) 

# Do some analysis 
df %>% 
    group_by(place) %>% 
    summarise(mean_score = mean(rating == "good"), n = n()) %>% 
    arrange(desc(mean_score)) 

ici, nous « groupe par » nom du restaurant « puis » « résumons » chaque groupe par le nombre moyen des notes « bonnes » qu'il a reçu (la création d'une nouvelle variable), "then" "arranger" la sortie dans l'ordre décroissant par this 'mean_sco ré'. Nous créons également la nouvelle variable 'n' dans la fonction de résumé qui compte le nombre d'évaluations sur lesquelles chaque moyenne est basée (c.-à-d. Que si nous voyons qu'un restaurant a seulement 2 évaluations, nous saurons que la moyenne peut ne pas être représentatif: voir http://www.evanmiller.org/how-not-to-sort-by-average-rating.html pour un exemple complet de ceci).