如何在两个分组变量(组内分组)内汇总数据?

时间:2019-04-25 13:57:33

标签: r aggregate longitudinal

我想以长格式聚合数据。我有一个ID变量,一个Year变量和另外两个有趣的变量。我现在想在一年之内汇总一个人中的变量。

这是我原始数据框的样子:

if np.any(np.absolute(y) <= np.absolute(f(x))):
        if np.any(f(x) > 0 and y > 0 and y <= f(x)): counter += 1    
        if np.any(f(x) < 0 and y < 0 and y >= f(x)): counter -= 1

这就是我想要的方式:

   ID year month      x    y
 1 A  2014     3      2    NA
 2 B  2010     2      3    NA
 3 B  2010     5     NA    21
 4 B  2011     2      2    NA
 5 B  2011     5     NA    25
 6 C  2012     5     NA    23
 7 C  2013     2      2    NA
 8 C  2013     5     NA    22
 9 C  2014     2      1    NA
10 C  2014    11     NA    30

只要某人在一年中有两项测量(例如,某人B在2010年和2011年有两项测量),我想在此人和每年之内汇总x和y值。稍后,我希望有一个数据框,该数据框每年仅包含一行,但包含有关x和y的所有信息。

像这样:

   ID year month      x1   y1
 1 A  2014     3      2    NA
 2 B  2010     2      3    21
 3 B  2010     5      3    21
 4 B  2011     2      2    25
 5 B  2011     5      2    25
 6 C  2012     5      NA   23
 7 C  2013     2      2    22
 8 C  2013     5      2    22
 9 C  2014     2      1    30
10 C  2014    11      1    30

您对此有何建议?非常感谢您的帮助!

3 个答案:

答案 0 :(得分:1)

我们可以使用na.locf0中的zoo

library(dplyr)
library(zoo)
df1 %>%
   group_by(ID, year) %>%
   mutate_at(vars(x, y),  list(~ na.locf0(na.locf0(., fromLast = TRUE))))
# A tibble: 10 x 5
# Groups:   ID, year [6]
#   ID     year month     x     y
#   <chr> <int> <int> <int> <int>
# 1 A      2014     3     2    NA
# 2 B      2010     2     3    21
# 3 B      2010     5     3    21
# 4 B      2011     2     2    25
# 5 B      2011     5     2    25
# 6 C      2012     5    NA    23
# 7 C      2013     2     2    22
# 8 C      2013     5     2    22
# 9 C      2014     2     1    30
#10 C      2014    11     1    30

或使用fill中的tidyr

library(tidyr)
df1 %>%
    group_by(ID, year) %>%
    fill(x, y, .direction = 'up') %>%
    fill(x, y)

获得最终输出

df1 %>%
  group_by(ID, year) %>%
  fill(x, y, .direction = 'up') %>%       
  slice(1)
# A tibble: 6 x 5
# Groups:   ID, year [6]
#  ID     year month     x     y
#  <chr> <int> <int> <int> <int>
#1 A      2014     3     2    NA
#2 B      2010     2     3    21
#3 B      2011     2     2    25
#4 C      2012     5    NA    23
#5 C      2013     2     2    22
#6 C      2014     2     1    30

数据

df1 <- structure(list(ID = c("A", "B", "B", "B", "B", "C", "C", "C", 
 "C", "C"), year = c(2014L, 2010L, 2010L, 2011L, 2011L, 2012L, 
 2013L, 2013L, 2014L, 2014L), month = c(3L, 2L, 5L, 2L, 5L, 5L, 
 2L, 5L, 2L, 11L), x = c(2L, 3L, NA, 2L, NA, NA, 2L, NA, 1L, NA
 ), y = c(NA, NA, 21L, NA, 25L, 23L, NA, 22L, NA, 30L)),
  class = "data.frame", row.names = c("1", 
 "2", "3", "4", "5", "6", "7", "8", "9", "10"))

答案 1 :(得分:0)

我认为您需要将两个变量都列为:

aggregate(x,by = list(ID,year),FUN =“此处是您的功能”)

答案 2 :(得分:0)

这也可以:

df %>%
  group_by(ID, year) %>%
  summarise_at(vars(one_of(c("x", "y"))), 
               ~ if (length(.x) == 1 && is.na(.x)) NA else sum(.x, na.rm = TRUE))