Question

我没有通过grep函数聚合anothor列来获得计算新列的正确方法，该新列包含数据框中列的总和。数据框如下所示：

   ID_Oeffnungszeit ID_Einrichtung Anzahl_Std Bez_Oeffnungszeit
                 1        3000001       0.50  Montag Vormittag
                 1        3000003       3.00  Montag Vormittag
                 1        3000008       2.50  Montag Vormittag
                 2        3000001       1.00  Montag Nachmittag
                 4        3000003       1.50  Dienstag Vormittag
                 1        3000023       1.00  Montag Vormittag
                 1        3000025       1.00  Montag Vormittag
                 1        3000026       1.00  Montag Vormittag
                 3        3000001       2.00  Montag Abend
                            ...
                 1        3000038       3.50  Montag Vormittag
                          and so on...

变量Bez_Oeffnungszeit有21个特征，但由于它们包含单词Vormittag，Nachmittag或Abend，因此可对其进行分类。因此，我想生成一个新列，其中包含每个Anzahl_Std列ID_Einrichtung的总和，具体取决于Bez_Oeffnungszeit包含的单词。

我非常确定我应该使用grep和by功能，但我无法在我的意义上使其工作......

df <- structure(list(ID_Oeffnungszeit = c("1", "1", "1", "2", "4", 
"1", "1", "1", "3"), ID_Einrichtung = c(3000001L, 3000003L, 3000008L, 
3000001L, 3000003L, 3000023L, 3000025L, 3000026L, 3000001L), 
    Anzahl_Std = c(0.5, 3, 2.5, 1, 1.5, 1, 1, 1, 2), Bez_Oeffnungszeit = c("Montag Vormittag", 
    "Montag Vormittag", "Montag Vormittag", "Montag Nachmittag", 
    "Dienstag Vormittag", "Montag Vormittag", "Montag Vormittag", 
    "Montag Vormittag", "Montag Abend")), .Names = c("ID_Oeffnungszeit", 
"ID_Einrichtung", "Anzahl_Std", "Bez_Oeffnungszeit"), class = "data.frame", row.names = c(NA, 
-9L))

Answer 1

我认为最简单的方法是创建一个只包含单词“Vormittag”，“Nachmittag”或“Abend”的新列，然后将其用作分组变量。

例如：

# Set random seed for reproducibility
set.seed(12345)

# Make some data
my.data <- data.frame(ID_Oeffnungszeit = sample(1:10, 100, replace = TRUE),
                   ID_Einrichtung = sample(3000001:3000020, 100, replace = TRUE),
                   Anzahl_Std = rnorm(100),
                   Bez_Oeffnungszeit = sample(c("Montag Vormittag",
                                                "Montag Nachmittag",
                                                "Dienstag Vormittag", 
                                                "Montag Abend"), 100, 
                                                replace = T))

# Create a new column containing "Vormittag", "Nachmittag" or "Abend"
my.data$cat <- ""
my.data$cat[grep("Vormittag", my.data$Bez_Oeffnungszeit)] <- "Vormittag"
my.data$cat[grep("Nachmittag", my.data$Bez_Oeffnungszeit)] <- "Nachmittag"
my.data$cat[grep("Abend", my.data$Bez_Oeffnungszeit)] <- "Abend"

# Now just call aggregate over the Std variable using ID and category
# as grouping factors.
res <- aggregate(my.data$Anzahl_Std, 
                 by = list(ID = my.data$ID_Einrichtung, cat = my.data$cat), 
                 FUN = sum)

Answer 2

这是另一个选项（使用问题中提到的数据）

library(splitstackshape)

第1步：使用splitstackshape的cSplit函数以Bez_Oeffnungszeit格式拆分列wide，利用两个单词之间的空格。这将生成包含第一个单词的两列'Bez_Oeffnungszeit_1'和带有第二个单词的'Bez_Oeffnungszeit_2'，并在第二步中进一步使用

dt = cSplit(df, 'Bez_Oeffnungszeit', ' ', 'wide')

第2步：我们使用包含感兴趣的字词的'Bez_Oeffnungszeit_2'和'ID_Einrichtung'列，使用'Anzahl_Std'语法汇总data.table

dt[order(Bez_Oeffnungszeit_2), .(New = sum(Anzahl_Std)), 
            by = .(ID_Einrichtung, Bez_Oeffnungszeit_2)]

#output looks like:

#   ID_Einrichtung Bez_Oeffnungszeit_2 New
#1:        3000001               Abend 2.0
#2:        3000001          Nachmittag 1.0
#3:        3000001           Vormittag 0.5
#4:        3000003           Vormittag 4.5
#5:        3000008           Vormittag 2.5
#6:        3000023           Vormittag 1.0
#7:        3000025           Vormittag 1.0
#8:        3000026           Vormittag 1.0

R中的聚合函数，多个条件

2 个答案: