Question

我的数据框主要包含catagorical列和一个数字列，df看起来像这样（简化）：

**Home_type**     **Garden_type**       **NaighbourhoOd**    **Rent** 
Vila                big                  brooklyn             5000
Vila                small                bronx                7000
Condo               shared               Sillicon valley      2000 
Appartment          none                 brooklyn             500
Condo               none                 bronx                1700
Appartment          none                 Sillicon Valley      800

对于每个catagorical列，我想显示与其相关的所有不同值，频率和租金总和。

结果应如下所示：

**Variable**     **Distinct_values**      **No_of-Occurences**     **SUM_RENT**
  Home_type        Vila                     2                        12000
  Home_type        Condo                    2                        3700
  Home_type        Appartment               2                        1300
  Garden_type      big                      1                        5000
  Garden_type      small                    1                        7000
  Garden_type      shared                   1                        2000 
  Garden_type      none                     3                        3000 
  Naighbourhood    brooklyn                 2                        5500
  Naighbourhood    Bronx                    2                        8700 
  Naighbourhood    Sillicon Valley          2                        2800

我是R的新手，并试图在reshape2中使用融合，但没有取得多大成功，任何帮助都将非常感激。

Answer 1

我倾向于最近选择tidyr到reshape2，但这主要是因为语法与dplyr更相似 - 这将使这项任务变得更加容易，因为加载magrittr管道（%>%）及其数据摘要工具。

首先，我们gather（从tidyr）将所有非租用列转换为长格式（仅运行这两行以查看结果）。然后group_by要聚合在一起的列。最后，每个组中都有summarise来获取您想要的指标。

df %>%
  gather(Variable, Distinct_Values, -Rent) %>%
  group_by(Variable, Distinct_Values) %>%
  summarise(
    `No_of-Occurences` = n()
    , SUM_RENT = sum(Rent)
  )

给出：

        Variable Distinct_Values `No_of-Occurences` SUM_RENT
           <chr>           <chr>              <int>    <int>
1    Garden_type             big                  1     5000
2    Garden_type            none                  3     3000
3    Garden_type          shared                  1     2000
4    Garden_type           small                  1     7000
5      Home_type      Appartment                  2     1300
6      Home_type           Condo                  2     3700
7      Home_type            Vila                  2    12000
8  NaighbourhoOd           bronx                  2     8700
9  NaighbourhoOd        brooklyn                  2     5500
10 NaighbourhoOd Sillicon valley                  1     2000
11 NaighbourhoOd Sillicon Valley                  1      800

（注意，你的数据有“V”和“v”代表“硅谷”，导致两条不同的行。）

Answer 2

我们可以使用data.table。将'data.frame'转换为'data.table'（setDT(df1)），将melt从'wide'格式转换为'long'格式，按'变量'，'值'分组（从melt），我们创建两列'No_of_occur'，'SUM_RENT'作为'Rent'列的行数（.N）和sum，然后按'变量'分组， 'No_of_occur'和'SUM_RENT'，获取'value'列的unique元素（'Distinct_values'）

library(data.table)
melt(setDT(df1), id.var=c('Rent'))[, c("No_of_occur", "SUM_RENT") :=
      .(.N, sum(Rent)) ,.(variable, value)][,
    .(Distinct_values = unique(value)) , .(variable, No_of_occur, SUM_RENT)]
 #         variable No_of_occur SUM_RENT Distinct_values
 #1:     Home_type           2    12000            Vila
 #2:     Home_type           2     3700           Condo
 #3:     Home_type           2     1300      Appartment
 #4:   Garden_type           1     5000             big
 #5:   Garden_type           1     7000           small
 #6:   Garden_type           1     2000          shared
 #7:   Garden_type           3     3000            none
 #8: NaighbourhoOd           2     5500        brooklyn
 #9: NaighbourhoOd           2     8700           bronx
 #10:NaighbourhoOd           2     2800 Sillicon Valley

将列值汇总并聚合为R中的行

2 个答案: