R data.table 条件聚合

Question

我面临（我认为）是 data.table 聚合的棘手问题我有以下 data.table

structure(list(id1 = c("a", "a", "a", "b", "b", "c", "c"), id2 = c("x", 
"y", "z", "x", "u", "y", "z"), val = c(2, 1, 2, 1, 3, 4, 3)), .Names = c("id1", 
"id2", "val"), row.names = c(NA, -7L), class = c("data.table", 
"data.frame"), .internal.selfref = <pointer: 0x1f66a78>)

我想根据第二列 id2 在 val 列上为该数据创建条件聚合。完成聚合的方式是仅包括 id1 组，这些组至少具有给定 id2 元素中的一个元素。我将通过一个示例来说明我的意思。

x（第一行第二列）的条件聚合将包括 val 值 2,1,2，对于 id1 = a 和 val 值 = 1，来自 id1 = b 的 3 因为 id2=x 存在于它们但没有来自 id1=c 的值，导致值为 2 + 1 + 2 + 1 + 3 = 9。我想要 9 作为第 4 个每行中出现 id2 = x 的列。

同样，我想对所有 id2 值执行此操作。所以最终输出将是

    id1 id2 val c.sum
1:   a   x   2     9
2:   a   y   1    12
3:   a   z   2    12
4:   b   x   1     9
5:   b   u   3     4
6:   c   y   4    12
7:   c   z   3    14

这在 R 中可行吗，data.table？或者其他 package/method？提前致谢

Answer 1

鉴于 d 是您的输入结构：

library(data.table)

d[,c.sum:=sum(d$val[d$id1 %in% id1]),by=id2][]

工作原理：by=id2 按 id2 对输入数据 table d 进行分组； d$id1 %in% id1 选择 d 中的行，其 id1 与正在考虑的组的 id1 匹配； sum(d$val[...]) 从这些行中获取值的总和；最后，c.sum:=sum(...) 将列 c.sum 添加到 d。结尾 [] 仅用于打印目的。

输出为：

#    id1 id2 val c.sum
# 1:   a   x   2     9
# 2:   a   y   1    12
# 3:   a   z   2    12
# 4:   b   x   1     9
# 5:   b   u   3     4
# 6:   c   y   4    12
# 7:   c   z   3    12

Answer 2

这有点蛮力，但应该可以（假设 data 是您的数据结构）：

id1_sums <- tapply(data$val,data$id1,sum)  
for(id in unique(data$id2))
    data$c.sum[data$id2  == id] <- sum(
            id1_sums[which(names(id1_sums) %in% data$id1[data$id2 == id])])

R data.table 条件聚合

R data.table conditional aggregation

r

data.table