如何在 R 中对数据帧执行求和和计数

Question

>我有一个数据帧，其中包含 ID、类型和区域，我想一次执行两个操作

ID         Type         Area     
1           Aa          0.02    
2           Ag          0.12    
2           Ag          0.14    
2           Ag          0.80    
2           Bm          0.20    
2           Xm          0.13    

预期结果是

ID          Type       count      area     
1           Aa           1        0.02    
2           Ag           3        1.06 (sum)    
2           Bm           1        0.20    
2           Xm           1        0.13 

我有多达 100-150 个 ID，并且具有相同 ID 的每种类型的类型、计数和基础面积各不相同，同时执行求和和计数并将类型和 ID 保留在数据帧中的最佳方法是什么？

谢谢

Answer 1

1) 基数 R --聚合计数只是常量列的总和，因此使用DF在最后的注释中可重复地显示，我们添加这样的列并使用sum聚合。 不使用任何包。

aggregate(cbind(Count, Area) ~ ID + Type, transform(DF, Count = 1), sum)

给：

ID Type Count Area
1  1   Aa     1 0.02
2  2   Ag     3 1.06
3  2   Bm     1 0.20
4  2   Xm     1 0.13

2) 基数 R -- 通过仅使用基数 R 而不依赖于添加一列 1 的技巧的方法就是使用by。by调用生成类by的列表，do.call("rbind", ...)将其转换为数据框。

do.call("rbind", by(DF, DF[1:2], with, 
data.frame(ID = ID[1], Type = Type[1], Count = length(ID), Area = sum(Area))))

给：

ID Type Count Area
1  1   Aa     1 0.02
2  2   Ag     3 1.06
3  2   Bm     1 0.20
4  2   Xm     1 0.13

3) sqldfSQL允许单独和同时应用计数和总和。

library(sqldf)
sqldf("select ID, Type, count(*) as Count, sum(Area) as Area
from DF
group by 1, 2")

给：

ID Type Count Area
1  1   Aa     1 0.02
2  2   Ag     3 1.06
3  2   Bm     1 0.20
4  2   Xm     1 0.13

4) data.table也可以使用数据表包。

library(data.table)
DT <- as.data.table(DF)
DT[, .(Count = .N, Area = sum(Area)), by = "ID,Type"]

给：

ID Type Count Area
1:  1   Aa     1 0.02
2:  2   Ag     3 1.06
3:  2   Bm     1 0.20
4:  2   Xm     1 0.13

注意

Lines <- "ID         Type         Area     
1           Aa          0.02    
2           Ag          0.12    
2           Ag          0.14    
2           Ag          0.80    
2           Bm          0.20    
2           Xm          0.13 "
DF <- read.table(text = Lines, header = TRUE)

Answer 2

我们可以使用dplyr. 使用包

library(dplyr)
df1 %>%
group_by(ID, Type) %>%
summarise(count = n(), Area = sum(Area))
# A tibble: 4 x 4
# Groups:   ID [2]
#     ID Type  count  Area
#  <int> <chr> <int> <dbl>
#1     1 Aa        1  0.02
#2     2 Ag        3  1.06
#3     2 Bm        1  0.2 
#4     2 Xm        1  0.13

---

或来自base R的by- 请注意，base R还包括一些软件包...

by(df1['Area'], df1[1:2], FUN = function(x) cbind(count = nrow(x), Area = sum(x)))

<小时 />

数据

df1 <- structure(list(ID = c(1L, 2L, 2L, 2L, 2L, 2L), Type = c("Aa", 
"Ag", "Ag", "Ag", "Bm", "Xm"), Area = c(0.02, 0.12, 0.14, 0.8, 
0.2, 0.13)), class = "data.frame", row.names = c(NA, -6L))

Answer 3

plyr中的另一种可能性：

library(plyr)
ddply(DF, .(ID,Type), summarize, Count=length(Area), Area=sum(Area))
#   ID Type Count  Area
# 1  1   Aa     1  0.02
# 2  2   Ag     3  1.06
# 3  2   Bm     1  0.20
# 4  2   Xm     1  0.13

Answer 4

如果你的数据很大，我建议data.table：

library(data.table)
setDT(df)[, .(Area=sum(Area), Count=.N), .(ID, Type)]