Question

我有一个数据集，其来源（“ from”），目的地（“ to”）和价格如下：

from    to  price
A       B   28109
A       D   2356
A       E   4216
B       A   445789
B       D   123
D       A   45674
D       B   1979

我还想将返回路线也算成价格。例如，A-B由以下数据组成：

from    to  price
  A     B   28109
  B     A   445789

然后，取价格的总和（28109 + 445789）。输出将如下所示：

route   total_price
A - B   473898
A - D   48030
A - E   4216
B - D   2102

我当时想运行一个for循环，但是我的数据量很大（800k行）。任何帮助将不胜感激。提前谢谢。

Answer 1

您可以通过对“从”到“对”进行排序，然后对排序后的对进行分组并求和来实现此目的。

编辑：请参阅@JasonAizkalns的tidyverse等效答案

library(data.table)
setDT(df)

df[, .(total_price = sum(price))
   , by = .(route = paste(pmin(from, to), '-', pmax(from, to)))]

#    route total_price
# 1: A - B      473898
# 2: A - D       48030
# 3: A - E        4216
# 4: B - D        2102

@Frank指出，此结果掩盖了路由"A - E"不完整的事实，即原始数据的行中没有from == 'E'和to == 'A'。他提供了一种捕获该信息（以及更多信息）的好方法，我在下面添加了其他一些信息。

df[, .(total_price = sum(price), complete = .N > 1)
   , by = .(route = paste(pmin(from, to), '-', pmax(from, to)))]

#    route total_price complete
# 1: A - B      473898     TRUE
# 2: A - D       48030     TRUE
# 3: A - E        4216    FALSE
# 4: B - D        2102     TRUE

df[, .(total_price = sum(price), paths_counted = .(paste(from, '-', to)))
   , by = .(route = paste(pmin(from, to), '-', pmax(from, to)))]

#    route total_price paths_counted
# 1: A - B      473898   A - B,B - A
# 2: A - D       48030   A - D,D - A
# 3: A - E        4216         A - E
# 4: B - D        2102   B - D,D - B

使用的数据

df <- fread('
from    to  price
A       B   28109
A       D   2356
A       E   4216
B       A   445789
B       D   123
D       A   45674
D       B   1979')

Answer 2

您可以进行自我联接，然后事情就很简单了：

library(tidyverse)

df <- readr::read_table("
from    to  price
A       B   28109
A       D   2356
A       E   4216
B       A   445789
B       D   123
D       A   45674
D       B   1979
")

df %>%
  inner_join(df, by = c("from" = "to")) %>%
  filter(to == from.y) %>%
  mutate(
    route = paste(from, "-", to),
    total_price = price.x + price.y
  )
#> # A tibble: 6 x 7
#>   from  to    price.x from.y price.y route total_price
#>   <chr> <chr>   <dbl> <chr>    <dbl> <chr>       <dbl>
#> 1 A     B       28109 B       445789 A - B      473898
#> 2 A     D        2356 D        45674 A - D       48030
#> 3 B     A      445789 A        28109 B - A      473898
#> 4 B     D         123 D         1979 B - D        2102
#> 5 D     A       45674 A         2356 D - A       48030
#> 6 D     B        1979 B          123 D - B        2102

^{由reprex package（v0.2.1）于2019-03-20创建}

因为我更喜欢@IceCreamToucan的答案，所以这里是tidyverse等效项：

df %>%
  group_by(route = paste(pmin(from, to), "-", pmax(from, to))) %>%
  summarise(total_price = sum(price))

Answer 3

还有一种tidyverse可能性：

df %>%
 nest(from, to) %>%
 mutate(route = unlist(map(data, function(x) paste(sort(x), collapse = "_")))) %>%
 group_by(route) %>%
 summarise(total_price = sum(price))

  route total_price
  <chr>       <int>
1 A_B        473898
2 A_D         48030
3 A_E          4216
4 B_D          2102

在这种情况下，它首先创建一个由值“ from”和“ to”组成的列表。其次，它对列表中的元素进行排序并将其组合在一起，并用_分隔。最后，将组合的元素分组并获得总和。

或涉及从宽到长的转换：

df %>%
 rowid_to_column() %>%
 gather(var, val, -c(rowid, price)) %>%
 arrange(rowid, val) %>%
 group_by(rowid) %>%
 summarise(route = paste(val, collapse = "_"),
           price = first(price)) %>%
 group_by(route) %>%
 summarise(total_price = sum(price))

为此，它首先执行从宽到长的数据转换，但不包括行ID和“价格”。其次，它根据行ID和“ from”和“ to”中包含的值来排列数据。第三，它按行ID分组，将元素组合在一起，并用_隔开。最后，它按此变量分组并获得总和。

Answer 4

我愿意...

library(data.table)
setDT(df)

pts = df[, unique(c(from, to))]
rDT = CJ(P1 = pts, P2 = pts)[P1 < P2]

rDT[df, on=.(P1 = from, P2 = to), r12 := i.price]
rDT[df, on=.(P2 = from, P1 = to), r21 := i.price]
rDT[, r := r12 + r21]

   P1 P2   r12    r21      r
1:  A  B 28109 445789 473898
2:  A  D  2356  45674  48030
3:  A  E  4216     NA     NA
4:  B  D   123   1979   2102
5:  B  E    NA     NA     NA
6:  D  E    NA     NA     NA

这将使数据不完整的地方变得清晰。**您可以仅过滤完整记录的rDT[!is.na(r)]。

**这也可以在@JasonAizkalns的文章中解决和@IceCreamToucan的答案，但与OP要求的输出形成对比。

R中的路线产生的总收入

4 个答案: