Question

我的数据集看起来像这样：

     id1  id2   size
1   5400 5505      7
2   5033 5458      1
3   5452 2873     24
4   5452 5213      2
5   5452 4242     26
6   4823 4823      4
7   5505 5400     11

其中id1和id2是图表中的唯一节点，而size是分配给定向边缘的值，用于连接 / em> id1 到 id2。这个数据集相当大（略多于200万行）。我想要做的是对大小列求和，按id1和id2的无序节点对进行分组。例如，在第一行中，我们有id1=5400和id2=5505。数据框中存在id1=5505和id2=5400的另一行。在分组数据中，这两行的大小列的总和将添加到单个行中。换句话说，我想总结一下我在（无序）（id1，id2）集合上的数据。我找到了一种方法，使用apply和一个自定义函数来检查完整数据集中的反转列对，但这种方法效果极其缓慢。有没有人知道以另一种方式做到这一点的方法，可能使用plyr或基础包中的某些内容会更有效？

Answer 1

一种方法是创建pmax和pmin id1和id2的额外列，如下所示。我会在这里使用data.table解决方案。

require(data.table)
DT <- data.table(DF)
# Following mnel's suggestion, g1, g2 could be used directly in by
# and it could be even shortened by using `id1` and id2` as their names
DT.OUT <- DT[, list(size=sum(size)), 
        by=list(id1 = pmin(id1, id2), id2 = pmax(id1, id2))]
#     id1  id2 size
# 1: 5400 5505   18
# 2: 5033 5458    1
# 3: 5452 2873   24
# 4: 5452 5213    2
# 5: 5452 4242   26
# 6: 4823 4823    4

Answer 2

另一种方法：

R> library(igraph)
R> DF
   id1  id2 size
1 5400 5505    7
2 5033 5458    1
3 5452 2873   24
4 5452 5213    2
5 5452 4242   26
6 4823 4823    4
7 5505 5400   11
R> g  <- graph.data.frame(DF, directed=F)
R> g  <- simplify(g, edge.attr.comb="sum", remove.loops=FALSE)
R> DF <- get.data.frame(g)
R> DF
   id1  id2 size
1 5400 5505   18
2 5033 5458    1
3 5452 2873   24
4 5452 5213    2
5 5452 4242   26
6 4823 4823    4

Answer 3

我的带有aggregate{stats}函数的方法：

> df
   id1  id2 size
1 5400 5505    7
2 5033 5458    1
3 5452 2873   24
4 5452 5213    2
5 5452 4242   26
6 4823 4823    4
7 5505 5400   11

> df[1:2] <- t(apply(df[1:2], 1, sort))
> aggregate(size ~ id1 + id2, data=df, FUN=sum)

   id1  id2 size
1 4823 4823    4
2 2873 5452   24
3 4242 5452   26
4 5213 5452    2
5 5033 5458    1
6 5400 5505   18

基于无序的列对聚合数据框

3 个答案: