data.frame Group By列

时间:2013-09-14 08:36:17

标签: r aggregate

我有一个数据帧DF。

说DF是:

  A B
1 1 2
2 1 3
3 2 3
4 3 5
5 3 6 

现在我想通过A列将行组合在一起,并得到B列的总和。

例如:

  A B
1 1 5
2 2 3
3 3 11

我目前正在使用sqldf函数的SQL查询。但由于某种原因,它非常缓慢。有没有更方便的方法呢?我也可以使用for循环手动完成,但它又慢了。我的SQL查询是“从A组中选择A,计数(B)”。

通常,每当我不使用矢量化操作并使用for循环时,即使对于单个过程,性能也非常慢。

4 个答案:

答案 0 :(得分:90)

这是一个常见的问题。在base中,您要查找的选项是aggregate。假设您的data.frame被称为“mydf”,您可以使用以下内容。

> aggregate(B ~ A, mydf, sum)
  A  B
1 1  5
2 2  3
3 3 11

我还建议查看“data.table”包。

> library(data.table)
> DT <- data.table(mydf)
> DT[, sum(B), by = A]
   A V1
1: 1  5
2: 2  3
3: 3 11

答案 1 :(得分:19)

使用dplyr

require(dplyr)    
df <- data.frame(A = c(1, 1, 2, 3, 3), B = c(2, 3, 3, 5, 6))
df %>% group_by(A) %>% summarise(B = sum(B))

## Source: local data frame [3 x 2]
## 
##   A  B
## 1 1  5
## 2 2  3
## 3 3 11

使用sqldf

library(sqldf)
sqldf('SELECT A, SUM(B) AS B FROM df GROUP BY A')

答案 2 :(得分:8)

我建议您查看plyr包。 它可能没有data.table或其他软件包那么快,但它非常有启发性,特别是在从R开始并且必须进行一些数据操作时。

> DF <- data.frame(A = c("1", "1", "2", "3", "3"), B = c(2, 3, 3, 5, 6))
> library(plyr)
> DF.sum <- ddply(DF, c("A"), summarize, B = sum(B))
> DF.sum
  A  B
1 1  5
2 2  3
3 3 11

答案 3 :(得分:4)

require(reshape2)

T <- melt(df, id = c("A"))

T <- dcast(T, A ~ variable, sum)

我不确定聚合的确切优势。