Question

我有一个数据框，其中一列是物种的名称，第二列是丰度值。由于采样程序，一些物种出现不止一次（即，其中有多个物种，其中有物种X）。我想巩固这些条目并总结它们的丰富程度。

例如，给定此数据框：

set.seed(6)
df=data.frame(
  x=c("sp1","sp2","sp3","sp3","sp4","sp2","sp3"),
  y=rpois(7,2)); df

产生：

    x y
1 sp1 2
2 sp2 4
3 sp3 1
4 sp3 1
5 sp4 3
6 sp2 5
7 sp3 5

我想改为：

    x y
1 sp1 2    
2 sp2 9     (5+4)
3 sp3 7     (5+1+1)
5 sp4 3

提前感谢您提供的任何帮助！

Answer 1

这有效：

library(plyr)
ddply(df,"x",numcolwise(sum))

单词：（1）将数据框df拆分为"x"列; （2）对于每个块，取每个数值列的总和; （3）将结果粘贴回单个数据框。（dd中的ddply代表“将 d ata帧作为输入，返回 d ata frame”）

另一种可能更清晰的方法：

aggregate(y~x,data=df,FUN=sum)

请参阅quick/elegant way to construct mean/variance summary table了解相关（稍微复杂一点）的问题。

Answer 2

简单为aggregate：

aggregate(df['y'], by=df['x'], sum)

Answer 3

时间和内存效率的data.table解决方案

library(data.table)
DT <- as.data.table(df)
# which columns are numeric 
numeric_cols <- which(sapply(DT, is.numeric))
DT[, lapply(.SD, sum), by = x, .SDcols = numeric_cols]

或者，在您的情况下，如果您知道只有1列y，您希望总结

DT[, list(y=sum(y)),by=x]

Answer 4

dplyr解决方案：

library(dplyr)
df %>% group_by(x) %>% summarise(y = sum(y))

Answer 5

> tapply(df$y, df$x, sum)
sp1 sp2 sp3 sp4 
  2   9   7   3

如果它必须是data.frame Ben的答案很有效。或者你可以胁迫tapply输出。

out <- tapply(df$y, df$x, sum)
>     data.frame(x=names(out), y=out, row.names=NULL)
    x y
1 sp1 2
2 sp2 9
3 sp3 7
4 sp4 3

Answer 6

一个MWE来验证一个公式是否尊重第二个变量（即这里的“Z”和“X”除外）实际上是否有效：

example = data.frame(X=c("x"),Z=c("a"),Y=c(1), stringsAsFactors=F)
newrow = c("y","b",1)
example <- rbind(example, newrow)
newrow = c("z","a",0.5)
example <- rbind(example, newrow)
newrow = c("x","b",1)
example <- rbind(example, newrow)
newrow = c("x","b",2)
example <- rbind(example, newrow)
newrow = c("y","b",10)
example <- rbind(example, newrow)
example$X = as.factor(example$X)
example$Z = as.factor(example$Z)
example$Y = as.numeric(example$Y)
example_agg <- aggregate(Y~X+Z,data=example,FUN=sum)

合并重复的行

6 个答案: