Question

拥有如下所示的数据框：

d
   year  pos  days   sal
1  2009  A     31   2000
2  2009  B     60   4000
3  2009  C     10    600
4  2010  B     10   1000
5  2010  D     90   7000

我想按year对数据进行分组，添加days和sal，然后选择pos，其中days在组中最大。

结果应该是：

  year   pos  days   sal
1 2009    B    101   6600
2 2010    D    100   8000

我可以使用days等函数处理sal和tapply(d$days, d$year, sum)等数值。

但是，我不知道如何选择满足日期条件的pos并将其分配给组。

任何评论都将不胜感激！

Answer 1

我们可以使用dplyr。按“年份”分组后，获取“天”最大值（which.max(days)）的'pos'，以及'days'和'sal'的sum。

library(dplyr)
d %>% 
  group_by(year) %>% 
  summarise(pos = pos[which.max(days)], days = sum(days), sal = sum(sal))
# # A tibble: 2 × 4
#   year   pos  days   sal
#  <int> <chr> <int> <int>
#1  2009     B   101  6600
#2  2010     D   100  8000

Answer 2

基础R的解决方案：

m1 <- d[as.logical(with(d, ave(days, year, FUN = function(x) seq_along(x) == which.max(x))  )), c('year','pos')]
m2 <- aggregate(cbind(days, sal) ~ year, d, sum)

merge(m1, m2, by = 'year')

或使用 data.table 包：

library(data.table)
setDT(d)[order(days), .(pos = pos[.N], days = sum(days), sal = sum(sal)), by = year]

生成的data.frame / data.table：

  year pos days  sal
1 2009   B  101 6600
2 2010   D  100 8000

Answer 3

使用sqldf：

library(sqldf)
cbind.data.frame(sqldf('select year, sum(days) as days, sum(sal) as sal 
                        from d group by year'),
                 sqldf('select pos from d group by year having days=max(days)'))


  year days  sal pos
1 2009  101 6600   B
2 2010  100 8000   D

R - 根据

3 个答案: