Question

我的数据如下：

df <- data.frame(Price=seq(1, 1.5, 0.1),
                 Sales=seq(6, 1, -1),
                 Quality=c('A','A','A','B','B','B'),
                 Brand=c('F','P','P','P','F','F'))

有时我需要对多个列进行一些复杂的计算，并按多个因子级别聚合值。举一个简单的例子，如果我想在每个Revenue (= Price * Sales)内分配Quality并按Brand分割，我会这样做

df$Revenue <- df$Price*df$Sales

RevSumByQ <- aggregate(Revenue~Quality, data=df, sum)
colnames(RevSumByQ)[2] <- "RevSumByQ"
df <- merge(df, RevSumByQ)

RevSumWithinQByB <- aggregate(RevSumByQ~Brand, data=df, sum)
colnames(RevSumWithinQByB)[2] <- "RevSumWithinQByB"
df <- merge(df, RevSumWithinQByB)

df$RevDistWithinQByB = df$RevSumByQ/df$RevSumWithinQByB
df

  Brand Quality Price Sales Revenue RevSumByQ RevSumWithinQByB RevDistWithinQByB
1     F       A   1.0     6     6.0      16.3             32.7         0.4984709
2     F       B   1.4     2     2.8       8.2             32.7         0.2507645
3     F       B   1.5     1     1.5       8.2             32.7         0.2507645
4     P       A   1.1     5     5.5      16.3             40.8         0.3995098
5     P       A   1.2     4     4.8      16.3             40.8         0.3995098
6     P       B   1.3     3     3.9       8.2             40.8         0.2009804

如果在情节中显示：

require(ggplot2)
ggplot(data=df, aes(x=Brand, y=RevDistWithinQByB, fill=Quality)) + geom_bar(stat='identity')

enter image description here

应该有更好的方法来绘制这个图，但我的主要兴趣是使数据框的中间结果较少（Revenue, RevSumByQ, RevSumWithinQByB）。我可以在我的方法中看到一个结构，所以我想知道是否有更优雅的解决方案，或者已经有一些功能可以促进这种任务。

Answer 1

您可以尝试dplyr

res <- df %>%
         group_by(Quality) %>% 
         mutate(Revenue= Price*Sales,RevSumByQ=sum(Revenue)) %>% 
         group_by(Brand) %>% 
         mutate(RevSumWithinQByB= sum(RevSumByQ),
             RevDistWithinQByB= RevSumByQ/RevSumWithinQByB )

Answer 2

这是data.table方法：

library(data.table)
setDT(df)
##
df[,Revenue:=Price*Sales][
  ,RevSumByQ:=sum(Revenue),
  by=Quality][
    ,RevSumWithinQByB:=sum(RevSumByQ),
    by=Brand][
      ,RevDistWithinQByB:=RevSumByQ/RevSumWithinQByB]

虽然我自己通常不会这样做，但您可以从同一个对象内部调用ggplot代码：

df[,Revenue:=Price*Sales][
  ,RevSumByQ:=sum(Revenue),
  by=Quality][
    ,RevSumWithinQByB:=sum(RevSumByQ),
    by=Brand][
      ,RevDistWithinQByB:=RevSumByQ/RevSumWithinQByB][
        ,{print(ggplot(
            data=.SD,
            aes(x=Brand,
                y=RevDistWithinQByB,
                fill=Quality))+
            geom_bar(stat="identity"))}]

Answer 3

基本上（如@arun所述）你不需要在这里进行合并，你可以使用基础R中的ave来做所有事情。看起来似乎很难跳过前两个聚合脚步。虽然您可以跳过上次计算并将其直接放入ggplot。类似的东西：

df$Revenue <- df$Price*df$Sales
df$RevSumByQ <- with(df, ave(Revenue, Quality, FUN = sum))
df$RevSumWithinQByB <- with(df, ave(RevSumByQ, Brand, FUN = sum))

require(ggplot2)
ggplot(data = df, 
       aes(x = Brand, y = RevSumByQ/RevSumWithinQByB, fill = Quality)) +
       geom_bar(stat = 'identity')

enter image description here

按多个因子级别计算多列和聚合值

3 个答案: