我有以下数据框：
d <- data.frame(x = c(6,6,6,17,17,17,68,68,68), w = c(4,2,1,0,5,1,0,2,7))
现在我想添加一个新列sw，以便
x=6，sw=4+2+1+0+5+1+0+2+7=22， 的
每个x=17，sw=0+5+1+0+2+7=15，
每个x=68，sw=0+2+7=9。
即，
d
x w sw
1 6 4 22
2 6 2 22
3 6 1 22
4 17 0 15
5 17 5 15
6 17 1 15
7 68 0 9
8 68 2 9
9 68 7 9
对于此示例，我可以执行以下操作：
j = sum(d$w)
k = sum(d$w[d$x!=6])
l = sum(d$w[d$x==68])
d$sw <- c(rep(j,3),rep(k,3),rep(l,3))
但对于x的100个不同值，我无法进行此类编码，即使我可能不知道x采用了什么值，因为我将生成x=round(rexp(1000,1/100))。
答案 0 :(得分：2)
我们可以使用function UpdateUserDetails()
{
var title = $("#title1").val();
var store = $(".search-box").val();
var category= $("#category").val();
var descp=$("#descp1").val();
var price=$("#price1").val();
var value=$("#value1").val();
var location=$("#location1").val();
var url=$("#url1").val();
var id = $("#hidden_user_id").val();
$.post("update.php", {
id: id,
title:title,
store:store,
category:category,
descp:descp,
price:price,
value:value,
location:location,
url:url
},
function (data, status) {
$("#update_user_modal").modal("hide");
}
);
}
base R答案 1 :(得分：2)
另一个想法是通过基础R使用带有Reduce参数的accumulate = TRUE，即
ind <- aggregate(w ~ x, d, length)$w #get lengths of each group
rslts <- rev(unlist(lapply(Reduce(`rbind`, rev(split(d, d$x)), accumulate = TRUE),
function(i) sum(i$w))))
d$sw <- rep(rslts, ind)
d
# x w sw
#1 6 4 22
#2 6 2 22
#3 6 1 22
#4 17 0 15
#5 17 5 15
#6 17 1 15
#7 68 0 9
#8 68 2 9
#9 68 7 9
答案 2 :(得分：1)
这是第三个基本R解决方案，首先计算值，然后将它们合并到原始data.frame。
merge(df, within(aggregate(w ~ x, data=df, sum), sw <- rev(cumsum(rev(w))))[-2], by="x")
x w sw
1 6 4 22
2 6 2 22
3 6 1 22
4 17 0 15
5 17 5 15
6 17 1 15
7 68 0 9
8 68 2 9
9 68 7 9
aggregate(w ~ x, data=df, sum)计算每个x组的w之和，然后sw <- rev(cumsum(rev(w)))首先使用两个revs创建累积和以获得正确的计算，然后将其按正确的顺序排列。这些函数包含在within中，因此会返回此data.frame的副本，[-2]会删除由aggregate计算的现在无关的w项。然后将此聚合的data.frame合并到原始data.frame。
数据
df <-
structure(list(x = c(6L, 6L, 6L, 17L, 17L, 17L, 68L, 68L, 68L
), w = c(4L, 2L, 1L, 0L, 5L, 1L, 0L, 2L, 7L)), .Names = c("x",
"w"), row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9"
), class = "data.frame")