在 R 中创建新的数据框列，以行值为条件而不进行迭代？

Posted 2023-02-14

【中文标题】在 R 中创建新的数据框列，以行值为条件而不进行迭代？

【英文标题】：Create new dataframe column in R that conditions on row values without iterating?

【发布时间】：2022-01-19 22:30:47

【问题描述】：

假设我有以下数据框“df”：

names <- c("Bob","Mary","Ben","Lauren")
number <- c(1:4)
age <- c(20,33,34,45)
df <- data.frame(names,number,age)

假设我有另一个包含数千人的数据框（“df2”），我想将其他数据框中的人的收入相加，这些人在“df”中每行具有给定的姓名、人数和年龄。也就是说，对于“df”的每一行“i”，我想创建第四列“TotalIncome”，它是数据框“df2”中具有给定姓名、年龄和数字的所有人的收入总和。换句话说，对于每一行“i”：

df$TotalIncome[i] <- sum(
  df2$Income[df2$Name == df1$Name[i] &
  df2$Numbers == df1$Numbers[i] &
  df2$Age == df1$Age[i]], na.rm=TRUE)

有没有一种方法可以做到这一点，而不必为每一行“i”在 for 循环中迭代并执行上述代码？有没有办法使用 apply() 来计算整个向量，而不是单独迭代每一行？我正在使用的实际数据集非常庞大，并且迭代需要相当长的时间，我希望在 R 中有更有效的方法来做到这一点。

谢谢！

【问题讨论】：

是的。首先，您需要将第二帧合并/加入到第一帧（ref1，ref2），然后总结。无需迭代。如果您有df2 的样本，我们可能会提供帮助。 （即使使用df2，也可能是前两个裁判的欺骗，加上summarize by group。）

【参考方案1】：

你考虑过使用dplyr 包吗？您可以使用一些 SQL 风格的语法，让这项工作变得快速而简单。

代码类似于

library(dplyr)

df %>% left_join(df2) %>%
    group_by(name, numbers, age) %>%
    summarize(TotalIncome = sum(Income))

我建议您在 dplyr 网站上查找备忘单或查看Wickham and Grolemund book。

【讨论】：

@vodoochile92，因为你是新人，如果这解决了你的问题，请accept it；这样做为问题提供了一些结束，告知后续读者完成的期望；它还向回答者提供“代表”，作为感谢他们的时间的另一种形式。如果这不能解决您的问题，“为什么”的解释会很有用。不要急于接受，一个常见的策略是对可能有竞争力的答案开放，但请记住（在一三天内）回来接受。谢谢！