Question

我在R中有一个数据框，定义如下：

数据框：

col 1 col 2 col 3 col4
200 AIG 8.5 12
800 AIG 8.1 20.1
500 A1B 20 50.5
800 A1B 12 30
120 A2M 1.6 8.5

dat <- structure(list(col1 = c(200, 800, 500, 800, 120), col2 = structure(c(3L, 
    3L, 1L, 1L, 2L), .Label = c("A1B", "A2M", "AIG"), class = "factor"), 
        col3 = c(8.5, 8.1, 20, 12, 1.6), col4 = c(12, 20.1, 50.5, 
        30, 8.5)), .Names = c("col1", "col2", "col3", "col4"), row.names = c(NA, 
    -5L), class = "data.frame")

然后我想按id折叠行（在这种情况下，唯一的ID是A1G，A1B，A2M）。
Col 1，我想通过添加具有相同id的行来折叠它。
第2栏，我想把它折叠成每个唯一的身份第3栏，我想将它折叠如下，取col1 * col3，添加它们，然后将它们除以col1的总和。
即，A1G新行值应为（8.5 * 20 + 8.1 * 80）/（80 + 20）。 Aka第3列的加权平均值由col1的值加权。
第4栏，我想取最大值。

结果数据框应如下所示：

第1列 第2列 第3列 第4列
800 + 200 = 1000 AIG （8.5 * 200 + 8.1 * 800）/1000=8.18 max（12,20.1）= 20.1
800 + 500 = 1300 AIB （20 * 800 + 12 * 500）/1300=16.9 max（50.5,30）= 50.5
120 A2M 1.6 8.5

有什么建议吗？

Answer 1

这是一个data.table解决方案，可以很好地扩展大数据（速度和内存效率）

library(data.table)
DT <- data.table(dat, key="col2")
DT[, list(col1=sum(col1), 
          col3=sum(col1 * col3) / sum(col1), 
          col4=max(col4)), by=col2]
#   col2 col1     col3 col4
#1:  A1B 1300 15.07692 50.5
#2:  A2M  120  1.60000  8.5
#3:  AIG 1000  8.18000 20.1

Answer 2

基地解决方案：

dat2<-do.call(rbind,
  by(dat,dat$col2, function(x) 
    with (x,
     data.frame(
       col1 = sum(col1),
       col3 = sum(col1 * col3) / sum(col1),
       col4 = max(col4)
     )
    )
  )
)
dat2$col2<-rownames(dat2)

#     col1     col3 col4 col2
# A1B 1300 15.07692 50.5  A1B
# A2M  120  1.60000  8.5  A2M
# AIG 1000  8.18000 20.1  AIG

Answer 3

使用plyr包：

library(plyr)
ddply(df, "col2", summarize, col1 = sum(col1),
                             col3 = sum(col1 * col3) / sum(col1),
                             col4 = max(col4))
#   col2 col1     col3 col4
# 1  A1B 1300 15.07692 50.5
# 2  A2M  120  1.60000  8.5
# 3  AIG 1000  8.18000 20.1

Answer 4

基础解决方案，但我喜欢data.table解决方案：

dat[, 2] <- factor(dat[, 2], levels=unique(dat[, 2])) #in case not already ordered
L1 <- split(dat, dat$col2)                            #split into list by col2

funny <- function(x){                                 #function to calculate stuff
    x <- data.frame(x)
    c(col1=sum(x[,1]), col2=as.character(x[1, 2]), 
        col3=sum((x[, 3]*x[, 1]))/sum(x[, 1]),
        col4=max(x[,4]))
}

#apply function and wrap it up into dataframe
dat2 <- data.frame(do.call(rbind, lapply(L1, funny)), row.names=NULL) 
dat2[, -2] <- apply(dat2[, -2], 2, as.numeric)       #reapply classes    
dat2

#> dat2
#  col1 col2     col3 col4
#1 1000  AIG  8.18000 20.1
#2 1300  A1B 15.07692 50.5
#3  120  A2M  1.60000  8.5

使用R折叠数据框中的行

4 个答案: