将数据集聚合到 "ignore" 分类变量

Question

我有这个结构如下的数据集

Neighborhood,  var1,   var2,   COUNTRY, DAY, categ 1, categ 2
     1          700     724      AL      0      YES    YES
     1          500     200      FR      0      YES     NO
    ....
     1          701     659      IT      1      NO      YES
     1          791     669      IT      1      NO      YES
    ....
     2          239     222      GE      0      YES      NO

等等...

因此层次结构是 "Neighborhood > DAY > COUNTRY"，对于每个社区，每天，每个国家，我都有 var1、var2、categ1 和 categ2 的观察

我暂时对分析国家不感兴趣，所以我想做的是汇总（通过总结 "over" 国家字段 var1 和 var2，分类变量 categ1 和 categ2 是不受国家影响），并且有一个数据集，每个社区和每一天都会给我有关 var1、var2、categ1 和 categ2

的信息

我是 R 编程的新手，基本上不知道很多包（我会用 c++ 编写程序，但我强迫自己学习 R）... 那么你知道如何做到这一点吗？

数据

df1 <- structure(list(Neighborhood = c(1L, 1L, 1L, 1L, 2L),
                      var1 = c(700L, 500L, 701L, 791L, 239L),
                      var2 = c(724L, 200L, 659L, 669L, 222L),
                      COUNTRY = c("AL", "FR", "IT", "IT", "GE"),
                      DAY = c(0L, 0L, 1L, 1L, 0L),
                      `categ 1` = c("YES", "YES", "NO", "NO", "YES"), 
                      `categ 2` = c("YES", "NO", "YES", "YES", "NO")),
                 .Names = c("Neighborhood", "var1", "var2", "COUNTRY", "DAY", "categ 1", "categ 2"),
                 class = "data.frame", row.names = c(NA, -5L))

编辑：@akrun

当我尝试你的命令时，结果是：

聚合(.~邻居+天+国家，数据= df1[!grepl("^categ", names(df1))], mean)

     Neighborhood, DAY, COUNTRY, var1, var2

1            1      0      AL     700  724
2            1      0      FR     500  200
3            2      0      GE     239  222
4            1      1      IT     746  664

但是（在这个例子中）我想要的是：

         Neighborhood, DAY,  var1, var2

1            1          0     1200  924           //wher var1=700+500....
2            1          1     1492  1328
3            2          0     239  222

Answer 1

如果我们对 'categ' 列不感兴趣，我们可以 grep 将它们取出并使用 aggregate

aggregate(.~Neighborhood+DAY, data= df1[!grepl("^(categ|COUNTRY)", names(df1))], sum)
#   Neighborhood DAY var1 var2
#1            1   0 1200  924
#2            2   0  239  222
#3            1   1 1492 1328

或使用dplyr

library(dplyr)
df1 %>%
   group_by(Neighborhood, DAY) %>%
   summarise_each(funs(sum), matches("^var"))
#  Neighborhood   DAY  var1  var2
#         (int) (int) (int) (int)
#1            1     0  1200   924
#2            1     1  1492  1328
#3            2     0   239   222

将数据集聚合到 "ignore" 分类变量

Aggregating Dataset to "ignore" categorical variable

r

dataset

aggregation

categorical-data