R - 基于特定因子值对所选行和列中的数值求和

Posted 2021-04-17

我有以下data.frame：

Engine      | MPG | Test_Distance
1. V6       | 17  |       751
2. V4       | 22  |       1850
3. V4-Hybrid| 26  |       210
4. V6-Hybrid| 24  |       85
5. Flat4    | 26  |       4560
6. V6-Hybrid| 28  |       124
7. Flat4    | 17  |       3455
8. V4       | 17  |       1642

其中Engine是因子向量，MPG和Test_Distance都是数字向量。

在进行更复杂的统计计算和绘图之前，我想通过排序来简化data.frame：

• 按类型的Engine列（创建新值/行并删除旧值），
• MPG列，每个Engine_type的平均值（平均值），
• Test_Distance列通过为每种类型添加数值，
• 添加一个总平均值的新行。

注意：此data.frame中还有许多其他列，但我只放了三个来简化方法。

这是我想要的结果data.frame：

Engine_Type | MPG_avg | Test_Distance_total
1. Vx       |   18.7  |       4243
2. Vx_Hybrid|   26    |       419
3. Flatx    |   14.4  |       8015
4. TOTALS   |   19.7  |       12677

我尝试使用dplyr和plyr包和以下函数：aggregate，rowSums，colSums，data.table。但无济于事。我想创建一个临时data.frame，然后重新整合原始data.frame中的新值，但我希望有更快的方法来做到这一点。

有什么建议吗？

答案

我们用group_by，summarise中的'x'替换'Engine'中的数字，分别得到'MPG'和'Test_Distance'的mean和sum，并用行汇总输出的mean和sum绑定行。

library(dplyr)
df1 %>%        
    group_by(Engine = sub("\d+", "x", Engine)) %>%
    summarise(MPG = mean(MPG), Test_Distance_total = sum(Test_Distance))%>%
    bind_rows(tibble(Engine = 'TOTALS', 
                        MPG = mean(.$MPG), 
                        Test_Distance_total = sum(.$Test_Distance_total)))
# A tibble: 4 x 3
#  Engine      MPG Test_Distance_total
#  <chr>     <dbl>               <int>
#1 Flatx      21.5                8015
#2 Vx         18.7                4243
#3 Vx-Hybrid  26.0                 419
#4 TOTALS     22.1               12677

data

df1 <- structure(list(Engine = c("V6", "V4", "V4-Hybrid", "V6-Hybrid", 
"Flat4", "V6-Hybrid", "Flat4", "V4"), MPG = c(17L, 22L, 26L, 
24L, 26L, 28L, 17L, 17L), Test_Distance = c(751L, 1850L, 210L, 
85L, 4560L, 124L, 3455L, 1642L)), .Names = c("Engine", "MPG", 
"Test_Distance"), class = "data.frame", row.names = c("1.", "2.", 
"3.", "4.", "5.", "6.", "7.", "8."))