找到部分相似的字符串元素并汇总数据

Question

我有一个数据集，我想根据（比方说）前三个字符来总结我的数据。事实上，连接列中具有相同 3 个第一个字母的行。例如：

df
title freq
ACM100    3
ACM200    2
ACM300    2
MAT11     1
MAT21     2
CMP00     3
CMP10     3

我想按标题前3个字符汇总数据库并统计频率

result:
title  freq
ACM    7
MAT    3
CMP    6

如果能在 R 中帮助我，我将不胜感激。

Answer 1

我们可以用separate把字母拆分成组，然后用group_by和summarise得到想要的结果。

library(tidyverse)
df <- read_table2(
"title freq
ACM100    3
ACM200    2
ACM300    2
MAT11     1
MAT21     2
CMP00     3
CMP10     3"
)
df %>%
  separate(title, c("letters", "numbers"), sep = 3) %>%
  group_by(letters) %>%
  summarise(freq = sum(freq))
#> # A tibble: 3 x 2
#>   letters  freq
#>   <chr>   <int>
#> 1 ACM         7
#> 2 CMP         6
#> 3 MAT         3

由 reprex package (v0.2.0) 创建于 2018-10-23。

Answer 2

这有效。

df$firstletters <- substr(df$title,1,3)
df.grouped <- df %>% group_by(firstletters)
df.summarized <- df.grouped %>% summarize(count = sum(freq))
> df.summarized
# A tibble: 3 x 2
  firstletters count
  <chr>        <int>
1 ACM              7
2 CMP              6
3 MAT              3

Answer 3

您可以将 aggregate 与 transform

一起使用

aggregate(freq ~ title, transform(df, title = substr(title, 1, 3)), sum)
#   title freq
# 1   ACM    7
# 2   CMP    6
# 3   MAT    3

Answer 4

因为你用 regex 标记了这个问题并且还没有收到 data.table 答案，这里还有一个选项供你选择

library(data.table)
setDT(df)
df[, .(freq = sum(freq)), by = .(title = sub("[0-9]+", "", title))]
#   title freq
#1:   ACM    7
#2:   MAT    3
#3:   CMP    6

找到部分相似的字符串元素并汇总数据

find partially similar string elements and summarize the data

regex

r

summary