Question

我经常发现自己使用以下 dplyr 语法来计算数据帧的摘要统计信息：

1. Aggregate <- 
2. Original Dataset %>%
3. Group_By %>%
4. Filter %>% 
5. Summarize %>%
6. Left_Join(back to Aggregate)

例如：

Original <- data.frame(A = 1:100,B = sample(LETTERS,100,replace = TRUE),C = rnorm(100))

# Calculate 1st Summary Statistic
Aggregate <- Original %>% group_by(B) %>% 
             filter(A > 50) %>% 
             summarize(meanC = mean(C))

# Calculate 2nd Summary Statistic
Aggregate <- Original %>% group_by(B) %>% 
             summarize(Q = sum(C)) %>%
             left_join(x = Aggregate,y = Original,by = "B")

我的问题有两个：

A）是否有更好的方法从另一个表构建汇总统计信息表？左联接感觉很笨拙。

B）执行此操作的“ data.table”方法是什么，即如何联接回Aggregate表？

Aggregate[Aggregate[,meanC:=mean(C),by=.(B)]]

感谢您的任何建议...

Answer 1

如果在group_by之后进行突变而不是汇总，则可以避免加入。（注意：我不知道如何以这种方式进行过滤后的摘要统计信息。您可能希望稍后再进行分组，以避免以后出现意外行为。）

+--------------+-------+---------+---------+---------+
| (mm)   width | 10~20 | 20.1~30 | 30.1~40 | 40.1~50 |
+--------------+-------+---------+---------+---------+
| 0.20~0.45    |  1.3  |   1.8   |   2.1   |   3.5   |
| 0.46~0.60    |  1.4  |   1.6   |   1.8   |   2.3   |
| 0.61~0.70    |  1.5  |   1.7   |   1.6   |   2.1   |
| 0.71~0.80    |  0.7  |   1.1   |   2.2   |   3.1   |
+--------------+-------+---------+---------+---------+

r dplyr和data.table：聚合然后联接回到原始表

1 个答案: