基于R中其他列的列值总和[重复]

Posted 2023-02-16

【中文标题】基于R中其他列的列值总和[重复]

【英文标题】：Sum of column values based on other columns in R [duplicate]

【发布时间】：2016-10-15 00:45:33

【问题描述】：

我对 R 比较陌生，试图根据其他列获取列的总和。我的数据框如下所示

YEAR EventID LOSS
    1     554  334740
    1     415  149816
    1     207  199446
    2     961  527042
    3     614  188199
    4     968   87044
    4     650   75377
    4     341  424678
    4     397  210730
    5     610  368068

这里我的条件是，我需要每年最高损失的总和。

损失数量：第 1 年的 EVENTID 554，第 2 年的 EVENTID 961，第 4 年的 EVENTID 341，第 5 年的 EVENTID 610。

【问题讨论】：

这种事情用 dplyr 包真的很容易。有很多教程可用。这是一个，例如：http://www.sharpsightlabs.com/dplyr-intro-data-manipulation-with-r/

您必须编辑您的帖子：EventID 968 不是第 4 年最高的。

sum(tapply(df$LOSS, df$YEAR, max))

【参考方案1】：

sum(unique(ave(df$LOSS, df$YEAR, FUN = max)))

输出：

[1] 1842727

【参考方案2】：

这是一个简单的dplyr：

d %>%
   group_by(YEAR) %>%
   summarize(EventID = EventID[1],
             max_loss = max(LOSS))

您也可以多次发生具有相同最大损失的事件，然后您需要合并回原始数据集并进行过滤：

d %>%
   group_by(YEAR) %>%
   summarize(max_loss = max(LOSS)) %>%
   left_join(d, .) %>%
   filter(LOSS == max_loss)

【参考方案3】：

对于此类任务，我更喜欢 sqldf：

library(sqldf)
sqldf("select * from mydata 
       group by YEAR
       having LOSS=max(LOSS);")

结果

##  YEAR EventID   LOSS
##     1     554 334740
##     2     961 527042
##     3     614 188199
##     4     341 424678
##     5     610 368068