我有一个相当不整洁的大型数据集，可以用下面的代码大致表示。
set.seed(1)
col_1 <- c(rep(c(1888:1891), each = 50), rep(c(1892:1895), each = 30))
a <- c('shirt', 'blue', 'red', 'green', 'pants', 'blue', 'red', 'green', 'yellow', 'sweater', 'black', 'orange', 'purple')
b <- rep(a, 30)
col_2 <- b[c(1:320)]
df <- data.frame(col_1, col_2)其中每种颜色指的是最后提到的衣服的颜色。
我想问你的是，我将如何着手提取，在每年的基础上，不同的颜色，毛衣可在？
然而，与真实的数据存在一些差异：
- 真实的数据集是每月一次，但我只对每种颜色是否每年出现感兴趣
- 真实的的数据集是少得多的重复，颜色退出和进入随机每月
- 真实的的数据集每个月包含大约12种不同的“服装”。
我曾想过尝试一些粗糙的东西，如简单地提取下一个~50个数据点后，每个“毛衣”发生，但我甚至不知道如何做到这一点，并希望一些更干净的，因为这仍然需要大量的整理，因为“毛衣”将发生至少12次，每年。
1条答案
按热度按时间3mpgtkmj1#
首先把所有的衣服都放到自己的一栏里：
然后，您可以筛选特定服装（如毛衣）每年的不同值：
一个二个一个一个