逐列匹配展平R数据帧中的行

Posted 2023-02-23

【中文标题】逐列匹配展平R数据帧中的行

【英文标题】：Flatten rows in R data frame by column match

【发布时间】：2016-04-13 18:14:40

【问题描述】：

我有一个看起来像这样的数据集。

  year recipient amount  id
1 1973    AG      17      7
2 1973    AG      18      7
3 1974    BE      20      9
4 1974    BE      22      9
5 1975    AG      20      7
6 1975    AG      25      7

我正在尝试将行展平，以便每个收件人每年只有一行。我想将金额变量转换为等于当年所有金额的总和。我的理想结果是这样的：

  year recipient amount id
1 1973    AG      35     7
2 1974    BE      42     7
3 1975    AG      45     7

我尝试编写一个循环来完成此操作，但我认为必须有一种我不熟悉的更简单的方法。也许是包中某处的地图或展平功能？

【问题讨论】：

aggregate(amount ~ ., data, sum)

【参考方案1】：

这是一个使用data.table的选项

library(data.table)
setDT(df1)[, list(amount=sum(amount), id= id[1L]) ,.(year, recipient)]
#   year recipient amount id
#1: 1973        AG     35  7
#2: 1974        BE     42  9
#3: 1975        AG     45  7

或者如果“id”也应该是一个分组变量

setDT(df1)[, list(amount=sum(amount)), .(year, recipient, id)]

【参考方案2】：

对于这个简单的例子来说，它可能比你需要的更强大，但是对于这种事情，我喜欢 sqldf 库，它允许你像使用 SQL 的数据库表一样操作数据帧。你的情况

library(sqldf)
newdf <- sqldf("SELECT year,recipient,id,sum(amount) as amount from olddf group by year,recipient,id")

默认情况下，它使用 SQLite 作为后端，因此它可以处理相当复杂的 SQL 语句。我通常发现 R 的数据操作语言有点混乱，并且总是需要查找我正在尝试做的事情，因此使用 SQL 会非常方便。

【参考方案3】：

试试：

library(dplyr)
df %>% group_by(year, recipient, id) %>% summarise(amount=sum(amount))
Source: local data frame [3 x 4]
Groups: year, recipient

  year recipient id amount
1 1973        AG  7     35
2 1974        BE  9     42
3 1975        AG  7     45

【讨论】：

谢谢！这是完美的。

我不熟悉 dplyr，如果这是一个愚蠢的问题，请原谅我。我如何在结果数据集中保持其他变量保持不变，比如我刚刚添加到问题中的 id 变量？

您只需将该变量作为进一步的分组变量。我编辑了答案

我可以用它来平展带有字符串值的行，其中所需的摘要只是取非空值（我知道所有相关行中总是只有 1 个）？我该怎么做？