Question

我正在尝试学习dplyr，而我无法在Stackoverflow或文档上找到相对简单的问题的答案。我以为我会在这里问。

我有一个看起来像这样的data.frame：

set.seed(1)
dat<-data.frame(rnorm(10,20,20),rep(seq(5),2),rep(c("a","b"),5))
names(dat)<-c("number","factor_1","factor_2")
dat<-dat[order(dat$factor_1,dat$factor_2),]
dat<-dat[c(-3,-7),]



       number factor_1 factor_2
1   7.470924        1        a
6   3.590632        1        b
2  23.672866        2        b
3   3.287428        3        a
8  34.766494        3        b
4  51.905616        4        b
5  26.590155        5        a
10 13.892232        5        b

我想使用dplyr在因子1的每个级别中从number中减去与factor_2=="b"相关联的值factor_2=="a"列。

生成的data.frame的第一行如下所示：

        diff factor_1
1    3.880291        1

需要注意的是，factor_2每个级别中factor_1的每个级别并不总是有值。如果是这种情况，我想将0分配给与缺失因子级别相关联的number。

感谢您的帮助。

Answer 1

这是一种方法：

set.seed(1)
dat<-data.frame(rnorm(10,20,20),rep(seq(5),2),rep(c("a","b"),5))
names(dat)<-c("number","factor_1","factor_2")
dat<-dat[order(dat$factor_1,dat$factor_2),]
dat<-dat[c(-3,-7),]
#      number factor_1 factor_2
#1   7.470924        1        a
#6   3.590632        1        b
#2  23.672866        2        b
#3   3.287428        3        a
#8  34.766494        3        b
#4  51.905616        4        b
#5  26.590155        5        a
#10 13.892232        5        b

library(dplyr)
dat %>% 
  group_by(factor_1) %>% 
  summarize(diff=number[match('a',factor_2)]-number[match('b',factor_2)]) -> 
  d2

d2$diff[is.na(d2$diff)] <- 0

d2
# Source: local data frame [5 x 2]
# 
#   factor_1       diff
# 1        1   3.880291
# 2        2   0.000000
# 3        3 -31.479066
# 4        4   0.000000
# 5        5  12.697923

Answer 2

以下是使用您的数据的快速data.table解决方案（下次使用set.seed生成数据集时请使用rnorm

library(data.table)
setDT(dat)[order(-factor_2), if(.N == 1L) 0 else diff(number), by = factor_1]
#    factor_1        V1
# 1:        1  18.20020
# 2:        2   0.00000
# 3:        3 -51.88444
# 4:        4   0.00000
# 5:        5  61.90332

Dplyr：在不均匀的因子水平内减去

2 个答案: