R循环长数据return最小值和累计值

Question

year    cars    company
1975    11.75   chevy
1976    19.71   chevy
1977    21.23   chevy
1978    11.00   chevy
1979    8.26    chevy
1980    8.63    chevy
1981    19.09   chevy
1982    30.52   chevy
1983    27.51   chevy

我想创建两个新的变量列：

year_first，这将 return 公司在数据中列出的第一年（例如，对于每一 "chevy" 行，这将是“1975”）
cars_cumulative，即 return 特定公司生产的所有汽车的累计总数

因此，我希望我的数据如下所示：

year    cars    company year_first  cars_cumulative
1975    11.75   chevy   1975        11.75
1976    19.71   chevy   1975        31.46
1977    21.23   chevy   1975        52.69
1978    11.00   chevy   1975        63.69
1979    8.26    chevy   1975        71.95
1980    8.63    chevy   1975        80.58
1981    19.09   chevy   1975        99.67
1982    30.52   chevy   1975        130.19
1983    27.51   chevy   1975        157.70

我想我应该写一个 for 循环？我只是不确定最好的方法。

Answer 1

以下基本 R 技术应该适用于 data.frame df:

df <- data.frame(year=1975:1983, 
                 cars=c(11.75, 19.71, 21.23, 11, 8.26, 8.63, 19.09, 30.52, 27.51), 
                 company=rep("chevy", length(1975:1983)))
# add variables
df$year_first <- ave(df$year, df$company, FUN=min)
df$cars_cumulative <- ave(df$cars, df$company, FUN=cumsum)

@rawr 提到的一个很好的补充是，上面的这些行可以包含在 within 中，它告诉 R 使用 data.frame 作为第一个参考点：

within(df, {
  year_first <- ave(year, company, FUN=min)
  cars_cumulative <- ave(cars, company, FUN=cumsum)
})

使用within不仅可以省去许多"df$"前缀的输入，使代码更易于阅读，而且还有助于组织代码，因为您可以将将所有其他变量创建到一个代码块中。

如果您正在处理一个非常大的数据集，或者您喜欢简洁的代码，您可以看看 data.table:

library(data.table)
setDT(df)
df[, c("year_first", "cars_cumulative"):=list(min(year), cumsum(cars)), by="company"]
# or 
df[, `:=`(year_first = year[1L], cars_cumulative = cumsum(cars)), by=company]

或使用 dplyr:

library(dplyr)
df2 = df %>% group_by(company) %>% 
  mutate(year_first = first(year), cars_cumulative = cumsum(cars))

R循环长数据return最小值和累计值

R loop long data return minimum and cumulative values

loops

r

dataframe

cumulative-sum