Закрепление подобные (но не равные) строк и подсчета отличающуюся категориальной переменной в R

Question

У меня есть следующие следующего кадра данных («mydf»):

ID Type Count Mark 
U1  A  50  R1 
U1  A  50  R3 
U1  A  50  R4 
U1  A  50  R3 
U2  B  24  R2 
U2  B  24  R5 
U3  A  88  R1 

Каждая строка содержит 4 переменные:

• ID: идентификатор пользователя.

• Тип: тип пользователя, который категорическое и последовательно для всех строк с этим идентификатором.

• Граф: подсчет пользователя, который является непрерывным и последовательно для всех строк с этим идентификатором.

• Марк: один из 15 категорных символов, которые могут варьироваться между различными строк с одинаковым идентификатором.

В настоящее время существует одна строка для каждой марки, которая появляется, так что на каждый идентификатор имеется несколько строк.

Количество меток различно для разных идентификаторов (всего от 4 до 50).

Что необходимо сделать:

1. Объединить строки с одинаковым идентификатором в одну строку, которая содержит всю последовательную информацию (тип/Count), а также перечисление (или количество) всех отметок, которые появляются для этого идентификатора. В этом листинге должно быть указано, как часто каждая метка появляется для этого идентификатора (например, если один и тот же знак отображается дважды для одного идентификатора, это необходимо отразить, как это происходит для U1 в строках 2 и 4).

2. Получите подсчет количества раз, когда каждая метка появляется для каждого идентификатора.

3. Получить общее количество меток для каждого ID.

Список меток для каждого идентификатора не требуется, если существуют подсчеты, описанные в 2 и 3 (см., Например, ожидаемый результат ниже).

Ожидаемый результат (приблизительно):

ID Type Count Mark_R1 Mark_R2 Mark_R3 Mark_R4 Mark_R5 Mark_Total 
U1  A  50  1  0  2  1  0  3 
U2  B  24  0  1  0  0  1  2 
U3  A  88  1  0  0  0  0  1 

Спасибо за вашу помощь!

Answer 1

Мы можем использовать dplyr

library(dplyr) 
library(tidyr) 
mydf %>% 
    count(ID, Type, Count, Mark) %>% 
    spread(Mark, n, fill = 0) %>% 
    ungroup() %>% 
    mutate(Total = rowSums(.[grep("R\\d+", names(.))])) 
#  ID Type Count R1 R2 R3 R4 R5 Total 
# <chr> <chr> <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 
#1 U1  A 50  1  0  2  1  0  4 
#2 U2  B 24  0  1  0  0  1  2 
#3 U3  A 88  1  0  0  0  0  1