Question

我正在使用聚合命令对R中的数据进行分组。我可以通过SQL相对容易地做到这一点，但我无法通过R获得相同的效果。

作为一个例子，这里是一组测试数据，在SQL中提供了我所寻找的内容：

create table #data(v1 varchar(4), v2 int, v3 int, v4 int,v5 int)
insert #data(v1, v2, v3, v4, v5) values(8000, 3, 8, 7, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 4, 9, 8, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 5, 10, 9, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 6, 11, 7, 14)
insert #data(v1, v2, v3, v4, v5) values(8000, 7, 12, 8, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 3, 13, 9, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 4, 14, 7, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 5, 8, 8, 14)
insert #data(v1, v2, v3, v4, v5) values(8000, 6, 9, 9, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 7, 10, 7, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 3, 11, 8, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 4, 12, 9, 14)
insert #data(v1, v2, v3, v4, v5) values(8000, 5, 13, 7, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 6, 14, 8, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 7, 8, 9, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 3, 9, 7, 14)
insert #data(v1, v2, v3, v4, v5) values(8000, 4, 10, 8, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 5, 11, 9, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 6, 12, 7, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 7, 13, 8, 14)
insert #data(v1, v2, v3, v4, v5) values(8000, 3, 14, 9, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 4, 8, 7, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 5, 9, 8, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 6, 10, 9, 14)
insert #data(v1, v2, v3, v4, v5) values(8000, 7, 11, 7, 11)
insert #data(v1, v2, v3, v4, v5) values(8001, 3, 12, 8, 12)
insert #data(v1, v2, v3, v4, v5) values(8002, 4, 13, 9, 13)
insert #data(v1, v2, v3, v4, v5) values(8003, 5, 14, 7, 14)

select * from #data

select v1, sum(v2)
from #data
    where v4 <= v3 and v5 > v3
group by v1

drop table #data

在R中，我尝试将聚合与子集命令一起使用，聚合与内联函数（x）...仍然无法以我纯粹的'R'方式希望的方式合并数据。我知道SQL库允许SQL语句在数据结构上进行交易，但我希望避免这种情况，因为我首先从数据库中提取数据，如果我需要诉诸于此，我不妨编写SQL来做到这一点。我正在寻找纯粹的R方式。也许它有点理想化，但这就是希望和梦想。

该子句需要注意的是它是一个排除子句，用于汇总当前行中V2变量未包含的数据。如果不是这样的话，对我来说这对我来说是一个相当简单的问题，但是我并没有在审查的值下将当前行传递给针对较大数据集的函数，或者如果另一个解决方案完全更好。

提前感谢您的帮助。

以下是生成测试数据的R代码：

m.data <- as.data.frame(
        cbind(8000:8003, 3:7, 8:14, 7:9, 11:14, 1:28),
        row.names=NULL
);

Answer 1

这是一个玩具示例，说明了Gavin在评论中描述的内容：

dd <- data.frame(v1 = rep(1:4,5),v2 = 1:20, 
                 v3 = runif(20), v4 = runif(20), v5 = runif(20))

#Extract the subset
dd_new <- subset(dd,v4 <= v3 & v5 > v3)

#Using the aggregate command...
> aggregate(dd_new$v2,list(v1=dd_new$v1),sum)
  v1  x
1  1 14
2  2 18
3  3 41
4  4 16

#Or the often popular ddply from plyr
> ddply(dd_new,.(v1),summarise,tot = sum(v2))
  v1 tot
1  1  14
2  2  18
3  3  41
4  4  16

为了清晰起见，我从聚合中拆分了子集，但正如Gavin所说，如果你愿意，你可以把它全部卷成一行。

Answer 2

如果你是一个SQL-junkie，试试sqldf。它对大型数据集非常有效。请注意，我使用的是mdata而不是m.data，它需要在SQL中进行转义。

library(sqldf)
mdata <- as.data.frame(
        cbind(8000:8003, 3:7, 8:14, 7:9, 11:14, 1:28),
        row.names=NULL
);
sqldf("select v1, sum(v2) from mdata  where v4 <= v3 and v5 > v3 group by v1")

R中的数据分组（类似于SQL中带WHERE子句的求和）

2 个答案: