данных реструктуризации с использованием R

Question

У меня есть набор данных (DAT), который выглядит следующим образом:

Person  IPaddress 
36598035 222.999.22.99 
36598035 222.999.22.99 
36598035 222.999.22.99 
36598035 222.999.22.99 
36598035 222.999.22.99 
36598035 444.666.44.66 
37811171 111.88.111.88 
37811171 111.88.111.88 
37811171 111.88.111.88 
37811171 111.88.111.88 
37811171 111.88.111.88 

Это отражает случаи, что люди зашли на веб-сайт в течение определенного периода времени. Мне нужны данные, чтобы выглядеть следующим образом:.

Person  IPaddress  Number of Logins 
36598035 222.999.22.99   6 
37811171 111.88.111.88   5 

Таким образом, вместо нескольких записей для одного человека, есть только одна строки на одного человека, с подсчетом, сколько раз они вошли в

Кроме того, вы увидите в моем примере, что человек 36598035 вошел в систему под более чем 1 IP-адресом. Когда это произойдет, я хочу, чтобы IP-адрес в конечном наборе данных отражал IP-адрес режима, другими словами, IP-адрес, который пользователь регистрировал чаще всего.

Answer 1

Вот один подход.

library(dplyr) 

mydf %>% 
    group_by(Person, IPaddress) %>% # For each combination of person and IPaddress 
    summarize(freq = n()) %>% # Get total number of log-in 
    arrange(Person, desc(freq)) %>% # The most frequent IP address is in the 1st row for each user 
    group_by(Person) %>% # For each user 
    mutate(total = sum(freq)) %>% # Get total number of log-in 
    select(-freq) %>% # Remove count 
    do(head(.,1)) # Take the first row for each user 

# Person  IPaddress total 
#1 36598035 222.999.22.99  6 
#2 37811171 111.88.111.88  5 

UPDATE

dplyr 0,3 является сейчас. Таким образом, вы могли бы сделать следующее. Только одна строка короче, используя count. Я также использовал slice как @aosmith.

mydf %>% 
    count(Person, IPaddress) %>% 
    arrange(Person, desc(n)) %>% 
    group_by(Person) %>% 
    mutate(total = sum(n)) %>% 
    select(-n) %>% 
    slice(1) 

Answer 2

Try:

ddf 
    Person  IPaddress 
1 36598035 222.999.22.99 
2 36598035 222.999.22.99 
3 36598035 222.999.22.99 
4 36598035 222.999.22.99 
5 36598035 222.999.22.99 
6 36598035 444.666.44.66 
7 37811171 111.88.111.88 
8 37811171 111.88.111.88 
9 37811171 111.88.111.88 
10 37811171 111.88.111.88 
11 37811171 111.88.111.88 

dd1 = data.table(with(ddf, table(Person, IPaddress)))[rev(order(N))][!duplicated(Person)] 
dd1 
    Person  IPaddress N 
1: 36598035 222.999.22.99 5 
2: 37811171 111.88.111.88 5 

dd1$all_login_count = data.table(with(ddf, table(Person)))$V1 
dd1 
    Person  IPaddress N all_login_count 
1: 36598035 222.999.22.99 5    6 
2: 37811171 111.88.111.88 5    5 

Answer 3

Вы можете использовать data.table для краткого решения:

library(data.table) 
setDT(dat) 
dat[, list(IPaddress=names(which.max(table(IPaddress))), 
      Logins=.N), 
    by=Person]