Question

假设我的数据框df包含三列：revenue（int），quarter（4级因子）和product（3级因子））。

df <- data.frame(
     revenue = sample(500:5000, 10, replace=TRUE),
     quarter = sample(c("q1", "q2", "q3", "q4"), 50, replace = TRUE),
     product = sample(c("book", "movie", "tv"), 50, replace = TRUE))

使用tapply按季度或产品分组并在收入上执行各种功能非常容易，例如：

quarterly_revenue <- tapply(df$revenue, df$quarter, sum)

这给了我每季度的收入总和。

然而，这是我的问题：如果我想要更细化，即：每个产品每季度的收入总和怎么办？我已经尝试了split函数来创建数据框列表并使用各种plyr解决方案，但没有一个能给我输出我正在寻找的输出。我知道我可以基于每个因素进行子集，但这似乎效率低下，特别是当我正在使用的实际集合具有更多因子级别时。

任何想法？谢谢你的帮助！

Answer 1

我们将分组列放在list中，然后获取sum

tapply(df$revenue, list(df$quarter, df$product),  sum)

使用aggregate

会更容易

aggregate(revenue~., df, sum)

或dplyr或data.table

library(dplyr)
df %>% 
    group_by(quarter, product) %>%
    summarise(Sum = sum(revenue))

Answer 2

您可以将data.table与by参数一起使用：

library( data.table )
setDT( df )[ , quarterly_revenue := sum( revenue ), 
               by = .( quarter, product ) ]

或者，总结（而不仅仅是添加一列）：

library( data.table )
library( magrittr )

setDT( df )[ , sum( revenue ), 
               by = .( quarter, product ) ] %>%
    setnames( c( "quarter", "product", "quarterly_revenue" ) )

组R中的组上的函数

2 个答案: