Question

我有一个R数据帧：

# here just define it directly, but it comes from a simulation
simPrice <- data.frame(simId=c(1,1,2,2), 
                       crop=rep(c('apple','pear'),2), 
                       mean=rep(c(10,22),2), 
                       sd=rep(c(2,4),2), 
                       price=c(9,21,12,18))

    simId   crop mean sd price
  1     1  apple   10  2     9
  2     1   pear   22  4    21
  3     2  apple   10  2    12
  4     2   pear   22  4    18

这是模拟的两次不同迭代中的水果（苹果和梨）的价格。一般来说，我可能有任何数量的水果或迭代。至关重要的是，我可能还有其他专栏（例如品种，销售日期，销售地点等）。

我有另一个数据框，显示了在许多农场种植的水果量：

# here just define it directly, but it comes from a simulation
simVol  <- data.frame(simId=c(1,1,1,1,2,2,2,2), 
                      farm=rep(c('farm A', 'farm A', 'farm B', 'farm B'),2),
                      crop=rep(c('apple','pear'),4), 
                      mean=rep(c(10,22),4), 
                      sd=rep(c(2,4),4), 
                      volume=c(9,21,12,18,10,22,11,19))

  simId   farm  crop mean sd volume
1     1 farm A apple   10  2      9
2     1 farm A  pear   22  4     21
3     1 farm B apple   10  2     12
4     1 farm B  pear   22  4     18
5     2 farm A apple   10  2     10
6     2 farm A  pear   22  4     22
7     2 farm B apple   10  2     11
8     2 farm B  pear   22  4     19

现在我想将它们相乘。

我认为要做到这一点，我必须首先在simPrice上“广播”farm，以便两个数据帧具有完全相同的顺序。

我的解决方案是：

broadcast <- function(origDf, broadcast_dimList) {
    newDimDf <- do.call(expand.grid, broadcast_dimList);
    nReps <- nrow(newDimDf);
    # replicate each line of the original dataframe in place
    result <- origDf[sort(rep(row.names(origDf), nReps)), 1:ncol(origDf)]
    # add the new dimensions, repeated for each simId
    result <- cbind(newDimDf, result);
    # rename rows sequentially
    row.names(result)<-NULL; 
    return(result);
}

bcastSimPrice <- broadcast(simPrice, list(farm=c('farm A','farm B')))

    farm simId  crop mean sd price
1 farm A     1 apple   10  2     9
2 farm B     1 apple   10  2     9
3 farm A     1  pear   22  4    21
4 farm B     1  pear   22  4    21
5 farm A     2 apple   10  2    12
6 farm B     2 apple   10  2    12
7 farm A     2  pear   22  4    18
8 farm B     2  pear   22  4    18

这样可行，但它让我遇到的问题是，现在尝试将bcastSimPrice（在庄稼之前递增的农场）的行与simVol的行（反过来）匹配。< / p>

有没有其他方法可以解决这个问题？

谢谢！

Answer 1

这是dplyr的解决方案。首先我们设置数据（我假设包括sd和你的体积数据中的平均值是一个错误）

simPrice <- data.frame(
  simId = c(1, 1, 2, 2),  
  crop = rep(c('apple', 'pear'), 2),  
  mean = rep(c(10, 22), 2),  
  sd = rep(c(2, 4), 2),  
  price = c(9, 21, 12, 18),
  stringsAsFactors = FALSE
)

simVol  <- data.frame(
  simId = c(1, 1, 1, 1, 2, 2, 2, 2),  
  farm = rep(c('farm A', 'farm A', 'farm B', 'farm B'), 2), 
  crop = rep(c('apple', 'pear'), 4),  
  volume = c(9, 21, 12, 18, 10, 22, 11, 19),
  stringsAsFactors = FALSE
)

接下来，我们将两个数据集连接在一起（连接是此任务的一个稍微更常见的描述，而不是合并）。在这里，我使用的是left_join()，它始终保留左侧的所有行。 mutate()添加了新列，%.%将操作组合在一起。

library(dplyr)

rev <- simPrice %.% 
  left_join(simVol, by = c("simId", "crop")) %.%
  mutate(revenue = volume * price)
rev

您还可以分组和汇总

rev %.%
  group_by(simId, crop, farm) %.%
  summarise(revenue = sum(revenue))

您可能会发现dplyr很有用，因为它命名最常见的数据分析操作。 introductory vignette提供了更多详细信息。

Answer 2

merge会执行您希望broadcast函数执行的操作。

简单：

bcastSimPrice <- within(merge(simPrice, simVol), revenue <- volume * price)

应该做的伎俩。在此，我已在within中包含合并，以添加提供收入的列（volume x price）。

然后，如果您需要对行进行分组（例如，如果给定裁剪和simId有多个场A的实例），那么您可以使用aggregate：

aggregate(revenue ~ simId + crop + farm, sum, data=bcastSimPrice)

在R数据帧中，如何广播与维度对应的列？

2 个答案: