Question

我是 R 的新手，有一个包含 25k 行的数据框，我想将“Freq”输入的 SUM 分组在“Var1”范围内（假设从 5 到 5）。

想法是减少行数并创建直方图。

为简单起见，这里有 20 行：

Var1 <- c(0:19)
Freq <- c(289, 370, 2295, 2691, 2206, 1624, 1267, 1076, 971, 889, 891, 834, 866, 780, 794, 809, 772, 740, 742, 734)

df <- data.frame(Var1, Freq)

这是我所期望的：

Var1_intervals <- c("0 - 4", "5 - 9", "10 - 14", "15-19")
Freq_sum <- c(7851, 5837, 4165, 3797)

df_2 <- data.frame(Var1_intervals, Freq_sum)

Answer 1

您可以使用 aggregate 和 cut 按间隔求和。

aggregate(df["Freq"], list(cut(df$Var1, (0:4)*5, right = FALSE)), sum)
#  Group.1 Freq
#1   [0,5) 7851
#2  [5,10) 5827
#3 [10,15) 4165
#4 [15,20) 3797

Answer 2

这是另一个使用 tapply

的基本 R 选项

with(
    df,
     data.frame(
         Var1 = tapply(Var1,ceiling(seq_along(Var1)/5),function(x) paste0(range(x),collapse = "-")),
         Freq = tapply(Freq,ceiling(seq_along(Freq)/5),sum)              
     )
    )

给出

   Var1 Freq
1   0-4 7851
2   5-9 5827
3 10-14 4165
4 15-19 3797

Answer 3

另一种使用 dplyr 的解决方案：

df %>%
    group_by(cut(Var1, (0:4)*5, right = FALSE)) %>%
    summarise(n = sum(Freq))

Answer 4

带有 data.table 的选项

library(data.table)
setDT(df)[, .(n = sum(Freq)), by = .(Group = findInterval(Var1, (0:4) * 5))]

Answer 5

为您的间隔创建 ID 列（在本例中为 5），然后分组并summarise

library(dplyr)
df %>% 
  mutate(Intervals_by5 = rep(row_number(), each=5, length.out = n())) %>% 
  group_by(Intervals_by5) %>% 
  summarise(Freq_sum = sum(Freq))

输出：

  Intervals_by5 Freq_sum
          <int>    <dbl>
1             1     7851
2             2     5827
3             3     4165
4             4     3797

如何对一列值求和并按另一列的间隔对它们进行分组

5 个答案: