R 按唯一列 PAIRS（B-A 和 A-B）和非唯一组合（B-A 或 A-B）对观察结果求和

Posted 2023-02-16

【中文标题】R 按唯一列 PAIRS（B-A 和 A-B）和非唯一组合（B-A 或 A-B）对观察结果求和

【英文标题】：R sum observations by unique column PAIRS (B-A and A-B) and NOT unique combinations (B-A or A-B)

【发布时间】：2020-07-10 03:42:32

【问题描述】：

我有一个看似简单的计算，其中我有一个由 4 列组成的数据框，如下所示（日期、来源、目的地、计数）。我想按日期和 ID1 和 ID2 的唯一对求和计数，这意味着 A-B 和 B-A 是一对。

Date ID1 ID2 Count
12-1   A   B   1
12-1   B   A   1
12-1   D   E   1
12-1   E   D   2
12-1   Y   Z   2
12-2   A   B   1
12-2   B   A   1
12-2   D   E   1
12-2   E   D   2
12-2   Y   Z   2

根据日期集，我们可以通过唯一组合（例如 A-B、B-A、D-E、E-D 等）对“计数”列求和。但是，我想按唯一对对计数列求和，这意味着 A-B 也将包括 B-A。

理想情况下，我希望表格按日期和唯一对进行汇总。

我查看了所有内容，dyplyr 函数如 mutate、gather、unite-all 无济于事。

非常感谢任何见解或指出正确的方向。非常感谢

【参考方案1】：

我们可以使用pmin、pmax 来按行排序，将其与“日期”一起用作分组变量，并获得“计数”的sum

library(dplyr)
df1 %>% 
  group_by(Date, ID1n = pmin(ID1, ID2), ID2n = pmax(ID1, ID2)) %>% 
  summarise(Count = sum(Count)) %>%
  #dplyr::select(ID1 = ID1n, ID2 = ID2n, Date, Count)
  rename(ID1 = ID1n, ID2 = ID2n)
# A tibble: 6 x 4
# Groups:   ID1, Date [6]
#  ID1   ID2   Date  Count
#  <chr> <chr> <chr> <int>
#1 A     B     12-1      2
#2 D     E     12-1      3
#3 Y     Z     12-1      2
#4 A     B     12-2      2
#5 D     E     12-2      3
#6 Y     Z     12-2      2

---

或者如果来自dplyr 的select 或rename 有问题，则在summarise 步骤处停止并分配列名

out <-  df1 %>% 
  group_by(Date, ID1n = pmin(ID1, ID2), ID2n = pmax(ID1, ID2)) %>% 
  summarise(Count = sum(Count)) 
names(out)[1:2] <- c("ID1", "ID2")

---

或使用base R、sort 对列'ID1'、'ID2' 的行，并通过其他变量获得'Count' 的sum

df1[c('ID1', 'ID2')] <- t(apply(df1[c('ID1', 'ID2')], 1, sort))
aggregate(Count ~ ., df1, sum)
#  Date ID1 ID2 Count
#1 12-1   A   B     2
#2 12-2   A   B     2
#3 12-1   D   E     3
#4 12-2   D   E     3
#5 12-1   Y   Z     2
#6 12-2   Y   Z     2

数据

df1 <- structure(list(Date = c("12-1", "12-1", "12-1", "12-1", "12-1", 
"12-2", "12-2", "12-2", "12-2", "12-2"), ID1 = c("A", "B", "D", 
"E", "Y", "A", "B", "D", "E", "Y"), ID2 = c("B", "A", "E", "D", 
"Z", "B", "A", "E", "D", "Z"), Count = c(1L, 1L, 1L, 2L, 2L, 
1L, 1L, 1L, 2L, 2L)), class = "data.frame", row.names = c(NA, 
-10L))

【讨论】：

评论不用于扩展讨论；这个对话是moved to chat。