逐列匹配展平R数据帧中的行
Posted
技术标签:
【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)]
【讨论】:
【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。
【讨论】:
【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?以上是关于逐列匹配展平R数据帧中的行的主要内容,如果未能解决你的问题,请参考以下文章
如果日期介于第二个数据帧中的两个日期之间,则 r 标记第一个数据帧中的行