将唯一值（在多列中）传播到不同的列并粘贴聚合值

Posted 2023-04-18

【中文标题】将唯一值（在多列中）传播到不同的列并粘贴聚合值

【英文标题】：Spread unique values (in multiple columns) to different columns and paste aggregated values

【发布时间】：2020-03-12 09:15:24

【问题描述】：

我有一个如下的数据框：

structure(list(Value = c(1, 2, 3, 4), col1 = structure(c(1L, 
1L, 2L, 2L), .Label = c("A1", "A2"), class = "factor"), col2 = structure(c(1L, 
2L, 2L, 1L), .Label = c("B1", "B2"), class = "factor"), col3 = structure(1:4, .Label = c("C1", 
"C2", "C3", "C4"), class = "factor")), class = "data.frame", row.names = c(NA, 
-4L))

我想使用 data.table 将每列中的唯一值传播到不同的列，并在每列下粘贴总和值（来自“值”列） 例如：列 col1 有 2 个唯一值 A1 和 A2。 A1 之和为 3，A2 为 7 同样，列 col2 有 2 个唯一值 B1 和 B2。 B1之和为5，B2之和为5

此操作将针对 col1、col2 和 col3 中的每一列执行。

预期输出如下

structure(list(A1 = 3, A2 = 7, B1 = 5, B2 = 5, C1 = 1, C2 = 2, 
    C3 = 3, C4 = 4), class = "data.frame", row.names = c(NA, 
-1L))

如何在 R 中实现这一点？

【问题讨论】：

***.com/help/someone-answers

【参考方案1】：

data.table@Sotos 的答案是：

library(data.table)

dcast(melt(setDT(df), 'Value')[, .(Total = sum(Value)), value],
           rowid(value)~value, value.var = 'Total')

#   value A1 A2 B1 B2 C1 C2 C3 C4
#1:     1  3  7  5  5  1  2  3  4

您可能不需要 value 列，因此您可以通过添加 [, value := NULL][] 来删除它

【讨论】：

heh...我刚刚在DT中完成了但比这更麻烦所以我不会费心添加

也许还有一个更简洁的版本：P 但我也使用更多的 tidyverse 而不是 data.table。

我认为他们将dcast/melt 合二为一，但我可能会将其与reshape2 混淆...不确定

fun.aggregate 中有 fun.aggregate 参数，但我猜它不能按组求和。

【参考方案2】：

我不太适应data.table，但tidyverse 的解决方案可以，

library(dplyr)
library(tidyr)

df %>% 
 pivot_longer(starts_with('col')) %>% 
 group_by(value) %>% 
 summarise(res = sum(Value)) %>% 
 pivot_wider(names_from = value, values_from = res)

给出，

# A tibble: 1 x 8
     A1    A2    B1    B2    C1    C2    C3    C4
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     3     7     5     5     1     2     3     4

【参考方案3】：

Base R 版本（另一个 data.table 想要的）：

t(unstack(
    with(reshape(df, direction="long", 
             varying=grep("^col", names(df), value=TRUE), sep=""),
     aggregate(formula=Value~col, FUN=sum)), 
  form=Value~col))

---

    A1 A2 B1 B2 C1 C2 C3 C4
res  3  7  5  5  1  2  3  4

【参考方案4】：

这是另一种基本的 R 解决方案

dfout <- t(do.call(rbind,
                   lapply(seq_along(df)[-1], 
                          function(k) unstack(rev(aggregate(Value~.,df[c(1,k)],sum))))))

这样

> dfout
    A1 A2 B1 B2 C1 C2 C3 C4
res  3  7  5  5  1  2  3  4

数据

df <- structure(list(Value = c(1, 2, 3, 4), col1 = structure(c(1L, 
1L, 2L, 2L), .Label = c("A1", "A2"), class = "factor"), col2 = structure(c(1L, 
2L, 2L, 1L), .Label = c("B1", "B2"), class = "factor"), col3 = structure(1:4, .Label = c("C1", 
"C2", "C3", "C4"), class = "factor")), class = "data.frame", row.names = c(NA, 
-4L))

【讨论】：

我喜欢这个解决方案，但是如果有第 4 列 col4，或者通常更多列怎么办？你会如何修改这个？

@Edward 好问题！那么对于一般情况，您可以使用seq_along(df)[-1] 而不是2:4。查看我的更新

【参考方案5】：

这是另一种选择：

library(data.table)
x <- rbindlist(lapply(paste0("col", 1:3), function(b) df[, sum(Value), b]), 
    use.names=FALSE)

setDT(setNames(as.list(x$V1), x$col1))[]

数据：

df <- structure(list(Value = c(1, 2, 3, 4), col1 = structure(c(1L, 
1L, 2L, 2L), .Label = c("A1", "A2"), class = "factor"), col2 = structure(c(1L, 
2L, 2L, 1L), .Label = c("B1", "B2"), class = "factor"), col3 = structure(1:4, .Label = c("C1", 
"C2", "C3", "C4"), class = "factor")), class = "data.frame", row.names = c(NA, 
-4L))

【参考方案6】：

你也可以这样解决：

library(data.table)
melt(setDT(df), "Value")[, .(TOT = sum(Value)), value][, setNames(as.list(TOT), value)]

#       A1    A2    B1    B2    C1    C2    C3    C4
# 1:     3     7     5     5     1     2     3     4