2

Tenho uma amostra de dados de compras e gostaria de saber quantas compras tiveram por usuário no total.

dput para auxiliar a resposta:

structure(list(USUARIO = c(931053L, 276977L, 354508L, 909717L, 
69758L, 104827L, 6600051L, 5035952L, 335505L, 340387L, 103130L, 
317058L, 424447L, 6862455L, 5040771L, 2360439L, 346941L, 426400L, 
271410L, 809550L, 96394L, 161292L, 752270L, 3703472L, 260921L, 
20557L, 291092L, 806951L, 82997L, 984555L, 5080457L, 31454L, 
5123415L, 498622L, 786436L, 320239L, 29603L, 6583452L, 304246L, 
6734562L, 101254L, 516730L, 37847L, 6928520L, 7705558L, 299285L, 
7760544L, 7760206L, 377014L, 104312L, 433721L, 87913L, 6732808L, 
633687L, 7526265L, 5038688L, 7500519L, 6640730L, 420430L, 47049L, 
7699248L, 6898123L, 7698394L, 7723798L, 577026L, 296424L, 165665L, 
152160L, 797450L, 90960L, 352622L, 6827072L, 7812492L, 532571L, 
6795263L, 7611543L, 429681L, 21840L, 6683144L, 18176L, 389995L, 
748456L, 423368L, 325129L, 7541131L, 186283L, 7795747L, 6760326L, 
6849786L, 202426L, 56131L, 676905L, 7550723L, 258189L, 123517L, 
368966L, 373162L, 183484L, 7583616L, 7716239L), DATA = structure(c(17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 
17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731, 17731
), class = "Date"), VL_PED_PG = c(20, 20, 50, 20.32, 20, 30, 
50, 50, 50, 50, 20, 20, 30, 30, 30, 30, 30, 50, 30, 50, 30, 20, 
30, 20, 30, 50, 30, 50, 50, 46, 50, 30, 50, 15, 20, 30, 50, 20, 
30, 30, 50, 50, 20, 50, 46, 50, 48, 49, 40, 20, 50, 50, 20, 30, 
40, 49, 8, 16, 49, 20, 40, 16, 16, 46, 20, 10, 50, 20, 50, 12, 
30, 48, 6, 50, 30, 49, 10, 20, 20, 30, 12, 50, 30, 30, 26, 50, 
26, 50, 50, 10, 10, 30, 46, 20, 15, 50, 20, 20, 26, 16)), row.names = c(NA, 
100L), class = "data.frame")

Estou tentando utilizar summarise do pacote dplyr mas estou com dificuldade de como posso usá-la. O que devo fazer?

4
  • 1
    Você quer saber o número de compras por usuário, onde cada usuário pode ser considerado um grupo, pois ele faz varias compras? Se sim, este conjunto de dados fornecido não faz sentido algum, pois nele cada usuário é único. E, qual é a variável "compras"?
    – neves
    Commented 22/01/2019 às 19:33
  • 1
    olá, é que a base de dados é muito grande, mas com os dados completos os usuários repetem sim, no caso essa amostra possui apenas 100 linhas. Commented 22/01/2019 às 19:50
  • 1
    Entendo. Dê uma olhada na resposta do @Tomás, pois ela atende o que você pede.
    – neves
    Commented 22/01/2019 às 19:51
  • Vou testar com a base completa. muito obrigado. Commented 22/01/2019 às 19:51

1 Resposta 1

4

O funciona assim. Você agrupa os dados pela sua unidade de análise, no caso USUARIO e então cria um sumário dos dados para aquela unidade de análise.

Neste caso temos

library(dplyr)
dados %>% 
  group_by(USUARIO) %>% 
  summarise(quantidade = n())

# A tibble: 100 x 2
   USUARIO quantidade
     <int>      <int>
 1   18176          1
 2   20557          1
 3   21840          1
 4   29603          1
 5   31454          1
 6   37847          1
 7   47049          1
 8   56131          1
 9   69758          1
10   82997          1
# ... with 90 more rows

Um ótimo material sobre o dplyr em português pode ser encontrado aqui. Esta cheatsheet também pode ser útil.

O dplyr também oferece uma função de utilidade que conta a ocorrência de cada valor único de uma variável no data.frame. Trata-se da função count(). Sua sintaxe é passar o data.frame como primeiro argumento e depois elencar as variáveis que compõe a unidade de análise para fazer a contagem. Usando-a teríamos:

dados %>% count(USUARIO)

# A tibble: 100 x 2
   USUARIO     n
     <int> <int>
 1   18176     1
 2   20557     1
 3   21840     1
 4   29603     1
 5   31454     1
 6   37847     1
 7   47049     1
 8   56131     1
 9   69758     1
10   82997     1
# ... with 90 more rows

A função count() possui um argumento sort, que deve ser passado explicitamente, que ordena o resultado no maior n para o menor.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .