有没有一种方法或内置的 R 函数可以对列表中重复名称的值求和?
Is there a way or a built in R function that can sum the values of duplicate names within a list?
假设我有这个列表:
values <- list(2, 8, 3, 21, 54, 2, 43, 31)
countries <- list('US', 'UK', 'China', 'US', 'Russia', 'UK', 'US', 'China')
names(values) <- countries
然后,值如下所示:('US' = 2, 'UK' = 8, 'China' = 3, 'US' = 21, 'Russia' = 54, 'UK' = 2, 'US' = 43, 'China' = 31)
R 中是否有内置函数或一些简单的方法来添加重复项的值?
意思是,使值变为:('UK' = 10, 'China' = 34, 'Russia' = 54, 'US' = 66)
(尽管顺序无关紧要)
一个选项可以是:
as.list(with(aggregate(values ~ ind, sum, data = stack(values)),
setNames(values, ind)))
$US
[1] 66
$UK
[1] 10
$China
[1] 34
$Russia
[1] 54
sapply(unique(countries), function(x){sum(unlist(values[names(values)==x]))})
也有效。起初我没有看到你有列表。
一个选项使用tidyverse
library(dplyr)
library(tibble)
library(tidyr)
enframe(values) %>%
unnest(c(value)) %>%
group_by(name) %>%
summarise(value = sum(value)) %>%
deframe %>%
as.list
#$China
#[1] 34
#$Russia
#[1] 54
#$UK
#[1] 10
#$US
#[1] 66
或使用base R
as.list(tapply(unlist(values), names(values), sum))
#$China
#[1] 34
#$Russia
#[1] 54
#$UK
#[1] 10
#$US
#[1] 66
假设我有这个列表:
values <- list(2, 8, 3, 21, 54, 2, 43, 31)
countries <- list('US', 'UK', 'China', 'US', 'Russia', 'UK', 'US', 'China')
names(values) <- countries
然后,值如下所示:('US' = 2, 'UK' = 8, 'China' = 3, 'US' = 21, 'Russia' = 54, 'UK' = 2, 'US' = 43, 'China' = 31)
R 中是否有内置函数或一些简单的方法来添加重复项的值?
意思是,使值变为:('UK' = 10, 'China' = 34, 'Russia' = 54, 'US' = 66)
(尽管顺序无关紧要)
一个选项可以是:
as.list(with(aggregate(values ~ ind, sum, data = stack(values)),
setNames(values, ind)))
$US
[1] 66
$UK
[1] 10
$China
[1] 34
$Russia
[1] 54
sapply(unique(countries), function(x){sum(unlist(values[names(values)==x]))})
也有效。起初我没有看到你有列表。
一个选项使用tidyverse
library(dplyr)
library(tibble)
library(tidyr)
enframe(values) %>%
unnest(c(value)) %>%
group_by(name) %>%
summarise(value = sum(value)) %>%
deframe %>%
as.list
#$China
#[1] 34
#$Russia
#[1] 54
#$UK
#[1] 10
#$US
#[1] 66
或使用base R
as.list(tapply(unlist(values), names(values), sum))
#$China
#[1] 34
#$Russia
#[1] 54
#$UK
#[1] 10
#$US
#[1] 66