Question

我刚刚开始与R合作完成我的硕士论文，到目前为止我的所有计算都得到了解决，因为我在这里阅读了很多问题和答案（而且它有很多试验和错误，但没关系）。现在我需要处理更复杂的代码，我无法找到实现此目的的方法。

多数情况：我有多个具有大量条目的子数据集，但它们都以相同的方式构建。在其中一个（50000个条目）中，我想每行只更改一个值。新值应该是现有条目的数量加上来自另一个子数据集（140000个条目）的几个值，其中＆＃39; ID＆＃39;变量是相同的。

由于这是我尝试解决这个问题的第三天，我已经找到并测试了for和apply，但两者都运行了几个小时（三小时后取消）。以下是我尝试之一的示例（使用for）：

for (i in 1:50000) {
  Entry_ID <- Sub02[i,4] 
  SUM_Entries <- sum(Sub03$Source==Entry_ID) 
  Entries_w_ID <- subset(Sub03, grepl(Entry_ID, Sub03$Source)) # The Entry_ID/Source is a character

  Value1 <- as.numeric(Entries_w_ID$VAL1) 
  SUM_Value1 <- sum(Value1)
  Value2 <- as.numeric(Entries_w_ID$VAL2)
  SUM_Value2 <- sum(Value2)

  OLD_Val1 <- Sub02[i,13]
  OLD_Val <- as.numeric(OLD_Val1)
  NEW_Val <- SUM_Entries + SUM_Value1 + SUM_Value2 + OLD_Val

  Sub02[i,13] <- NEW_Val

}

我知道这可能是一个愚蠢的代码，但这就是我作为初学者尝试它的方式。如果有人能帮我解决这个问题，我会非常感激，所以我可以和我的论文相处。谢谢！

以下是我的数据结构示例：

        Text VAL0 Source ID VAL1 VAL2 VAL3 VAL4 VAL5 VAL6 VAL7 VAL8 VAL9
XXX 12 456335667806925_1075080942599058 10153901516433434_10153902087098434 4 1 0 0 4 9 4 6 8
ABC 8 456335667806925_1057045047735981 10153677787178434_10153677793613434 6 7 1 1 5 3 6 8 11
DEF 8 456747267806925_2357045047735981 45653677787178434_94153677793613434 5 8 2 1 5 4 1 1 9

我期望的输出是更新值＆＃39; VAL9＆＃39;在每一行。

Answer 1

据我所知，到目前为止，你需要做两件事：

总结一个数据集中的一些值
使用ID变量

除了@yoland已经贡献的东西，我建议在两个单独的任务中分解它。考虑这两个数据集：

a = data.frame(x = 1:2, id = letters[1:2], stringsAsFactors = FALSE)
a
#   x id
# 1 1  a
# 2 2  b

b = data.frame(values = as.character(1:4), otherid = letters[1:2], 
               stringsAsFactors = FALSE)
sapply(b, class)
#      values     otherid 
# "character" "character"

现在值为character，我们需要将其转换为numeric：

b$values = as.numeric(b$values)
sapply(b, class)
#    values     otherid 
# "numeric" "character"

然后总结b中的值（按otherid分组）：

library(dplyr)

b = group_by(b, otherid)
b = summarise(b, sum_values = sum(values))
b
#   otherid sum_values
#     <chr>      <dbl>
# 1       a          4
# 2       b          6

然后将其加入a - 请注意，标识符已在c()中指定：

ab = left_join(a, b, by = c("id" = "otherid"))
ab
#   x id sum_values
# 1 1  a          4
# 2 2  b          6

然后，我们可以将b之和的结果添加到x中的变量a：

ab$total = ab$x + ab$sum_values
ab
#   x id sum_values total
# 1 1  a          4     5
# 2 2  b          6     8

（更新）。

Answer 2

根据我的理解，您希望创建一个新变量，该变量使用来自同一ID索引的两个不同数据集的信息。最简单的方法是将数据集连接在一起（如果需要安全内存，只需加入所需的列）。我发现dplyr的连接函数对于这些情况非常方便（整齐地解释here）一旦将数据集合并为一个，就可以轻松创建所需的新列。例如：df$new <- df$old1 + df$old2

R：在大数据帧中每行更改一个值

2 个答案: