Question

我在R中有一个数据框，我想在共享名称的行中对值进行求和，并为每个行记录假名。谁能想到一个有效的方法来做到这一点？我写了一个for循环（下面复制过），但是在大数据集上效率非常低。

提前致谢！

此数据集中给出了一些内容：（1）不超过2个站点将共享一个名称;（2）两个站点将始终是连续行中的下一个站点。我也对非R解决方案持开放态度，尽管我并不熟悉其他框架。

初始数据示例：

name, fake_name, value1, value2, value3
siteX, siteX, 4, 2, 0.5
siteX, siteX2, 1, 4, 0.2
siteY, siteY, 2, 1, 0.4
siteZ, siteZ, 8, 3, 0.2

转换为：

name, value1, value2, value3, fake_name, dup_fake_name
siteX, 5, 6, 0.7, siteX, siteX2
siteY, 2, 1, 0.4, siteY, NA
siteZ, 8, 3, 0.2, siteZ, NA

For-loop版本：

data[,c(1,3:5,2)] -> d2; d2$dup_fake_name <- NA
for (i in 1:(nrow(data)-1) {
  if (data$name[i] == data$name[i+1]) {
    data$value[i] <- data$value[i] + data$value[i+1]
    data$dup_fake_name[i] <- data$fake_name[i+1]
}}

Answer 1

如果您不关心转换数据中的最后两列，您可以aggregate条目

 df <- structure(list(
     name = c("siteX", "siteX", "siteY", "siteZ"),
     fake_name = c("siteX", "siteX2", "siteY", "siteZ"), 
     value1 = c(4L, 1L, 2L, 8L), 
     value2 = c(2L, 4L, 1L, 3L), 
     value3 = c(0.5, 0.2, 0.4, 0.2)), 
     .Names = c("name", "fake_name", "value1", "value2", "value3"), 
     class = "data.frame", row.names = c(NA, -4L))

 df.agg <- aggregate(cbind(value1, value2, value3) ~ name, data = df, FUN = sum);
 #name value1 value2 value3
 #1 siteX      5      6    0.7
 #2 siteY      2      1    0.4
 #3 siteZ      8      3    0.2

添加ID有点多（丑陋）工作：

# Split based on df$name
ID <- lapply(split(df, df$name), function(x) x$fake_name)

# Pad with NA's to have the same number of columns 
ID <- do.call(rbind.data.frame, lapply(ID, function(x) {
    if (length(x) < max(sapply(ID, length))) {
        x <- c(x, rep(NA, max(sapply(ID, length)) - length(x)))
    }
    return(x); 
}))
colnames(ID) <- paste("fake_name_", 1:ncol(ID), sep = "");

# Add ID columns to df.agg
df.agg <- cbind.data.frame(df.agg, ID);
df.agg;
#  name value1 value2 value3 fake_name_1 fake_name_2
#1 siteX      5      6    0.7       siteX      siteX2
#2 siteY      2      1    0.4       siteY        <NA>
#3 siteZ      8      3    0.2       siteZ        <NA>

Answer 2

以下是使用data.table的选项。将'data.frame'转换为'data.table'（setDT(df1)），按'name'分组，获取{value'列的sum，dcast'fake_name'到宽格式并加入on'名称'列

library(data.table)
setDT(df1)[, lapply(.SD, sum), by = name, .SDcols = value1:value3
       ][dcast(df1, name~ paste0("fake_name", rowid(name)), value.var = 'fake_name'), 
          on = .(name)]
#    name value1 value2 value3 fake_name1 fake_name2
#1: siteX      5      6    0.7      siteX     siteX2
#2: siteY      2      1    0.4      siteY         NA
#3: siteZ      8      3    0.2      siteZ         NA

Answer 3

如果需要，可以拆分library(tidyverse) df <- data.frame(name = c('siteX', 'siteX', 'siteY', 'siteZ'), fake_name = c('siteX', 'siteX2', 'siteY', 'siteZ'), value1 = c(4,1,2,8), value2 = c(2,4,1,3), value3 = c(0.5,0.2,0.4,0.2)) df %>% group_by(name) %>% mutate(id = 1:n(), dup_fake_name = ifelse(id==2, fake_name, NA)) %>% summarise(value1 = sum(value1), value2 = sum(value2), value3 = sum(value3), fake_name = toString(fake_name))列，但这里有一个版本

compiler.plugin('done',callback)

R：名称相同时行中的和值

3 个答案: