Question

我将以一个例子说明我的问题。

示例数据：

 df <- data.frame(ID = c(1, 1, 2, 2, 3, 5), A = c("foo", "bar", "foo", "foo", "bar", "bar"), B =     c(1, 5, 7, 23, 54, 202))

df
  ID   A   B
1  1 foo   1
2  1 bar   5
3  2 foo   7
4  2 foo  23
5  3 bar  54
6  5 bar 202

我想要做的是用ID总结B的总和，当A是＆＃34; foo＆＃34;时B的总和。我可以通过以下几个步骤完成此操作：

require(magrittr)
require(dplyr)

df1 <- df %>%
  group_by(ID) %>%
  summarize(sumB = sum(B))

df2 <- df %>%
  filter(A == "foo") %>%
  group_by(ID) %>%
  summarize(sumBfoo = sum(B))

left_join(df1, df2)

  ID sumB sumBfoo
1  1    6       1
2  2   30      30
3  3   54      NA
4  5  202      NA

然而，我正在寻找更优雅/更快的方式，因为我在sqlite中处理10gb +的内存不足数据。

require(sqldf)
my_db <- src_sqlite("my_db.sqlite3", create = T)
df_sqlite <- copy_to(my_db, df)

我想过使用mutate来定义新的Bfoo列：

df_sqlite %>%
  mutate(Bfoo = ifelse(A=="foo", B, 0))

不幸的是，这并不适用于数据库的末端。

Error in sqliteExecStatement(conn, statement, ...) : 
  RS-DBI driver: (error in statement: no such function: IFELSE)

Answer 1

您可以在一个dplyr语句中执行这两项操作：

df1 <- df %>%
  group_by(ID) %>%
  summarize(sumB = sum(B),
            sumBfoo = sum(B[A=="foo"]))

Answer 2

撰写@ hadley的评论作为答案

df_sqlite %>%
  group_by(ID) %>%
  mutate(Bfoo = if(A=="foo") B else 0) %>%
  summarize(sumB = sum(B),
            sumBfoo = sum(Bfoo)) %>%
  collect

Answer 3

如果你想进行计数而不是总结，那么答案就会有所不同。代码的变化很小，特别是在条件计数部分。

df1 <- df %>%
    group_by(ID) %>%
    summarize(countB = n(),
              countBfoo = sum(A=="foo"))

df1
Source: local data frame [4 x 3]

  ID countB countBfoo
1  1      2         1
2  2      2         2
3  3      1         0
4  5      1         0

Answer 4

如果您想对行进行计数，而不是对行进行求和，可以将变量传递给函数：

    df1 <- df %>%
group_by(ID) %>%
summarize(RowCountB = n(),
          RowCountBfoo = n(A=="foo"))

n()和nrow()都出现错误。

总结dplyr中的条件

4 个答案: