Question

我有这个玩具data.frame：

df = data.frame(id = c("a","b","c","d"), value = c(2,3,6,5))

我希望根据这个玩具向量汇总其行：

collapsed.ids = c("a,b","c","d")

聚合的data.frame应保留其聚合行的max(df$value)。

因此，对于这个玩具示例，输出将是：

> aggregated.df
   id value
1 a,b     3
2   c     6
3   d     5

我应该注意到我的真实data.frame是~150,000行

Answer 1

我会使用data.table。

以下内容应该有效：

library(data.table)
DT <- data.table(df, key = "id")       # Main data.table
Key <- data.table(ind = collapsed.ids) # your "Key" table
## We need your "Key" table in a long form
Key <- Key[, list(id = unlist(strsplit(ind, ",", fixed = TRUE))), by = ind]
setkey(Key, id)                        # Set the key to facilitate a merge
## Merge and aggregate in one step
DT[Key][, list(value = max(value)), by = ind]
#    ind value
# 1: a,b     3
# 2:   c     6
# 3:   d     5

Answer 2

您不需要data.table，您只需使用基地R.

split.ids <- strsplit(collapsed.ids, ",")
split.df <- data.frame(id = tmp <- unlist(split.ids),
                       joinid = rep(collapsed.ids, sapply(split.ids, length)))
aggregated.df <- aggregate(value ~ id, data = merge(df, split.df), max)

结果：

#    id value
# 1 a,b     3
# 2   c     6
# 3   d     5

基准

df <- df[rep(1:4, 50000), ] # Make a big data.frame
system.time(...) # of the above code
#   user  system elapsed
#  1.700   0.154   1.947

编辑：显然Ananda的代码运行在0.039，所以我正在吃乌鸦。但是这两种尺寸都可以接受。

使用输入向量聚合数据帧行

2 个答案:

基准