R 中 non-equivalent 数据框的条件和
Conditional sum on a non-equivalent data frame in R
昨天我问如何根据不同 data.frame 中的条件对列求和。这在小的子集中取得了成功。但是，使用完整数据需要数小时。所以我想为什么不强制使用 plyr rbind.fill 函数进行连接，然后进行条件求和。然后我意识到我不知道怎么做，所以我希望你能帮助我。这是头。
a b c d
1 1010001 4507888.889 NA NA
2 1010011 843166.708 NA NA
3 1010021 612500.000 NA NA
4 1010031 740000.000 NA NA
5 1010041 4166.667 NA NA
6 1010051 3366666.667 NA NA
这是尾巴。
a b c d
689085 NA NA 70.62 181.1278
689086 NA NA 106.30 2383.3616
689087 NA NA 768.80 248804.5507
689088 NA NA 512.30 189899.9227
689089 NA NA 144.70 176382.4634
689090 NA NA 340.90 264691.8022
我想做的是获取 b 的每个值并将其与 d 的所有值进行比较，然后对 c 中满足条件 [=21] 的所有值求和=]。我试过这个。
df<-df%>%mutate(sumc=sum(df$g[b>=df$f]))
这让我进入了一个充满 0 的专栏 sumc。对于头部和尾部，我正在显示我期望的输出应该看起来像这样。
a b c d e
1 1010001 4507888.889 NA NA 1943.72
2 1010011 843166.708 NA NA 1943.72
3 1010021 612500.000 NA NA 1943.72
4 1010031 740000.000 NA NA 1943.72
5 1010041 4166.667 NA NA 177.92
6 1010051 3366666.667 NA NA 1943.72
689085 NA NA 70.62 181.1278 NA
689086 NA NA 106.30 2383.3616 NA
689087 NA NA 768.80 248804.5507 NA
689088 NA NA 512.30 189899.9227 NA
689089 NA NA 144.70 176382.4634 NA
689090 NA NA 340.90 264691.8022 NA
此外，我尝试使用 group_by(a) 来获取 sumc 正在取值的值，但它不起作用。
感谢大家阅读本文！ :)
这是一个可能的解决方案，我不确定 运行 需要多长时间。
更新：为 C 提供一个值而不是 C 的总和。
library(tidyverse)
df <- readr::read_table(
" a b c d
1 1010001 4507888.889 NA NA
2 1010011 843166.708 NA NA
3 1010021 612500.000 NA NA
4 1010031 740000.000 NA NA
5 1010041 4166.667 NA NA
6 1010051 3366666.667 NA NA"
) %>% bind_rows(
readr::read_table(
" a b c d
689085 NA NA 70.62 181.1278
689086 NA NA 106.30 2383.3616
689087 NA NA 768.80 248804.5507
689088 NA NA 512.30 189899.9227
689089 NA NA 144.70 176382.4634
689090 NA NA 340.90 264691.8022"
)
)
#> Warning: Missing column names filled in: 'X1' [1]
#> Warning: Missing column names filled in: 'X1' [1]
df
#> # A tibble: 12 x 5
#> X1 a b c d
#> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1010001 4507889. NA NA
#> 2 2 1010011 843167. NA NA
#> 3 3 1010021 612500 NA NA
#> 4 4 1010031 740000 NA NA
#> 5 5 1010041 4167. NA NA
#> 6 6 1010051 3366667. NA NA
#> 7 689085 NA NA 70.6 181.
#> 8 689086 NA NA 106. 2383.
#> 9 689087 NA NA 769. 248805.
#> 10 689088 NA NA 512. 189900.
#> 11 689089 NA NA 145. 176382.
#> 12 689090 NA NA 341. 264692.
# What Im trying to do is taking each value of b and compare it to all values
# of d and then sum all values in c that fulfill the condition
# b(just one value)>=f(all values)
df %>%
mutate(b_higher = if_else(b > max(d, na.rm = TRUE), "yes", "no", "missing")) %>%
mutate(c_sum = if_else(b_higher == "yes", c, NULL,NULL))
#> # A tibble: 12 x 7
#> X1 a b c d b_higher c_sum
#> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl>
#> 1 1 1010001 4507889. NA NA yes NA
#> 2 2 1010011 843167. NA NA yes NA
#> 3 3 1010021 612500 NA NA yes NA
#> 4 4 1010031 740000 NA NA yes NA
#> 5 5 1010041 4167. NA NA no NA
#> 6 6 1010051 3366667. NA NA yes NA
#> 7 689085 NA NA 70.6 181. missing NA
#> 8 689086 NA NA 106. 2383. missing NA
#> 9 689087 NA NA 769. 248805. missing NA
#> 10 689088 NA NA 512. 189900. missing NA
#> 11 689089 NA NA 145. 176382. missing NA
#> 12 689090 NA NA 341. 264692. missing NA
df %>%
add_row(X1 = 7, a = 1010061, b = 843167, c = 10, d = 181) %>%
mutate(b_higher = if_else(b > max(d, na.rm = TRUE), "yes", "no", "missing")) %>%
mutate(c_sum = if_else(b_higher == "yes", c, NULL,NULL))
#> # A tibble: 13 x 7
#> X1 a b c d b_higher c_sum
#> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl>
#> 1 1 1010001 4507889. NA NA yes NA
#> 2 2 1010011 843167. NA NA yes NA
#> 3 3 1010021 612500 NA NA yes NA
#> 4 4 1010031 740000 NA NA yes NA
#> 5 5 1010041 4167. NA NA no NA
#> 6 6 1010051 3366667. NA NA yes NA
#> 7 689085 NA NA 70.6 181. missing NA
#> 8 689086 NA NA 106. 2383. missing NA
#> 9 689087 NA NA 769. 248805. missing NA
#> 10 689088 NA NA 512. 189900. missing NA
#> 11 689089 NA NA 145. 176382. missing NA
#> 12 689090 NA NA 341. 264692. missing NA
#> 13 7 1010061 843167 10 181 yes 10
由 reprex package (v0.3.0)
于 2020-05-07 创建
这是在 data.table 中使用滚动连接的选项：
DT[order(D), csc := cumsum(C)]
DT[, sumc :=
DT[!is.na(D)][DT, on=.(D=B), roll=Inf, mult="last", csc]
]
输出：
A B C D csc sumc
1: 1010001 4507888.889 NA NA NA 1943.62
2: 1010011 843166.708 NA NA NA 1943.62
3: 1010021 612500.000 NA NA NA 1943.62
4: 1010031 740000.000 NA NA NA 1943.62
5: 1010041 4166.667 NA NA NA 176.92
6: 1010051 3366666.667 NA NA NA 1943.62
7: NA NA 70.62 181.1278 70.62 NA
8: NA NA 106.30 2383.3616 176.92 NA
9: NA NA 768.80 248804.5507 1602.72 NA
10: NA NA 512.30 189899.9227 833.92 NA
11: NA NA 144.70 176382.4634 321.62 NA
12: NA NA 340.90 264691.8022 1943.62 NA
数据：
library(data.table)
DT <- fread("A B C D
1010001 4507888.889 NA NA
1010011 843166.708 NA NA
1010021 612500.000 NA NA
1010031 740000.000 NA NA
1010041 4166.667 NA NA
1010051 3366666.667 NA NA
NA NA 70.62 181.1278
NA NA 106.30 2383.3616
NA NA 768.80 248804.5507
NA NA 512.30 189899.9227
NA NA 144.70 176382.4634
NA NA 340.90 264691.8022")
昨天我问如何根据不同 data.frame 中的条件对列求和。这在小的子集中取得了成功。但是，使用完整数据需要数小时。所以我想为什么不强制使用 plyr rbind.fill 函数进行连接，然后进行条件求和。然后我意识到我不知道怎么做，所以我希望你能帮助我。这是头。
a b c d
1 1010001 4507888.889 NA NA
2 1010011 843166.708 NA NA
3 1010021 612500.000 NA NA
4 1010031 740000.000 NA NA
5 1010041 4166.667 NA NA
6 1010051 3366666.667 NA NA
这是尾巴。
a b c d
689085 NA NA 70.62 181.1278
689086 NA NA 106.30 2383.3616
689087 NA NA 768.80 248804.5507
689088 NA NA 512.30 189899.9227
689089 NA NA 144.70 176382.4634
689090 NA NA 340.90 264691.8022
我想做的是获取 b 的每个值并将其与 d 的所有值进行比较，然后对 c 中满足条件 [=21] 的所有值求和=]。我试过这个。
df<-df%>%mutate(sumc=sum(df$g[b>=df$f]))
这让我进入了一个充满 0 的专栏 sumc。对于头部和尾部，我正在显示我期望的输出应该看起来像这样。
a b c d e
1 1010001 4507888.889 NA NA 1943.72
2 1010011 843166.708 NA NA 1943.72
3 1010021 612500.000 NA NA 1943.72
4 1010031 740000.000 NA NA 1943.72
5 1010041 4166.667 NA NA 177.92
6 1010051 3366666.667 NA NA 1943.72
689085 NA NA 70.62 181.1278 NA
689086 NA NA 106.30 2383.3616 NA
689087 NA NA 768.80 248804.5507 NA
689088 NA NA 512.30 189899.9227 NA
689089 NA NA 144.70 176382.4634 NA
689090 NA NA 340.90 264691.8022 NA
此外，我尝试使用 group_by(a) 来获取 sumc 正在取值的值，但它不起作用。
感谢大家阅读本文！ :)
这是一个可能的解决方案，我不确定 运行 需要多长时间。
更新：为 C 提供一个值而不是 C 的总和。
library(tidyverse)
df <- readr::read_table(
" a b c d
1 1010001 4507888.889 NA NA
2 1010011 843166.708 NA NA
3 1010021 612500.000 NA NA
4 1010031 740000.000 NA NA
5 1010041 4166.667 NA NA
6 1010051 3366666.667 NA NA"
) %>% bind_rows(
readr::read_table(
" a b c d
689085 NA NA 70.62 181.1278
689086 NA NA 106.30 2383.3616
689087 NA NA 768.80 248804.5507
689088 NA NA 512.30 189899.9227
689089 NA NA 144.70 176382.4634
689090 NA NA 340.90 264691.8022"
)
)
#> Warning: Missing column names filled in: 'X1' [1]
#> Warning: Missing column names filled in: 'X1' [1]
df
#> # A tibble: 12 x 5
#> X1 a b c d
#> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1 1 1010001 4507889. NA NA
#> 2 2 1010011 843167. NA NA
#> 3 3 1010021 612500 NA NA
#> 4 4 1010031 740000 NA NA
#> 5 5 1010041 4167. NA NA
#> 6 6 1010051 3366667. NA NA
#> 7 689085 NA NA 70.6 181.
#> 8 689086 NA NA 106. 2383.
#> 9 689087 NA NA 769. 248805.
#> 10 689088 NA NA 512. 189900.
#> 11 689089 NA NA 145. 176382.
#> 12 689090 NA NA 341. 264692.
# What Im trying to do is taking each value of b and compare it to all values
# of d and then sum all values in c that fulfill the condition
# b(just one value)>=f(all values)
df %>%
mutate(b_higher = if_else(b > max(d, na.rm = TRUE), "yes", "no", "missing")) %>%
mutate(c_sum = if_else(b_higher == "yes", c, NULL,NULL))
#> # A tibble: 12 x 7
#> X1 a b c d b_higher c_sum
#> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl>
#> 1 1 1010001 4507889. NA NA yes NA
#> 2 2 1010011 843167. NA NA yes NA
#> 3 3 1010021 612500 NA NA yes NA
#> 4 4 1010031 740000 NA NA yes NA
#> 5 5 1010041 4167. NA NA no NA
#> 6 6 1010051 3366667. NA NA yes NA
#> 7 689085 NA NA 70.6 181. missing NA
#> 8 689086 NA NA 106. 2383. missing NA
#> 9 689087 NA NA 769. 248805. missing NA
#> 10 689088 NA NA 512. 189900. missing NA
#> 11 689089 NA NA 145. 176382. missing NA
#> 12 689090 NA NA 341. 264692. missing NA
df %>%
add_row(X1 = 7, a = 1010061, b = 843167, c = 10, d = 181) %>%
mutate(b_higher = if_else(b > max(d, na.rm = TRUE), "yes", "no", "missing")) %>%
mutate(c_sum = if_else(b_higher == "yes", c, NULL,NULL))
#> # A tibble: 13 x 7
#> X1 a b c d b_higher c_sum
#> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> <dbl>
#> 1 1 1010001 4507889. NA NA yes NA
#> 2 2 1010011 843167. NA NA yes NA
#> 3 3 1010021 612500 NA NA yes NA
#> 4 4 1010031 740000 NA NA yes NA
#> 5 5 1010041 4167. NA NA no NA
#> 6 6 1010051 3366667. NA NA yes NA
#> 7 689085 NA NA 70.6 181. missing NA
#> 8 689086 NA NA 106. 2383. missing NA
#> 9 689087 NA NA 769. 248805. missing NA
#> 10 689088 NA NA 512. 189900. missing NA
#> 11 689089 NA NA 145. 176382. missing NA
#> 12 689090 NA NA 341. 264692. missing NA
#> 13 7 1010061 843167 10 181 yes 10
由 reprex package (v0.3.0)
于 2020-05-07 创建这是在 data.table 中使用滚动连接的选项：
DT[order(D), csc := cumsum(C)]
DT[, sumc :=
DT[!is.na(D)][DT, on=.(D=B), roll=Inf, mult="last", csc]
]
输出：
A B C D csc sumc
1: 1010001 4507888.889 NA NA NA 1943.62
2: 1010011 843166.708 NA NA NA 1943.62
3: 1010021 612500.000 NA NA NA 1943.62
4: 1010031 740000.000 NA NA NA 1943.62
5: 1010041 4166.667 NA NA NA 176.92
6: 1010051 3366666.667 NA NA NA 1943.62
7: NA NA 70.62 181.1278 70.62 NA
8: NA NA 106.30 2383.3616 176.92 NA
9: NA NA 768.80 248804.5507 1602.72 NA
10: NA NA 512.30 189899.9227 833.92 NA
11: NA NA 144.70 176382.4634 321.62 NA
12: NA NA 340.90 264691.8022 1943.62 NA
数据：
library(data.table)
DT <- fread("A B C D
1010001 4507888.889 NA NA
1010011 843166.708 NA NA
1010021 612500.000 NA NA
1010031 740000.000 NA NA
1010041 4166.667 NA NA
1010051 3366666.667 NA NA
NA NA 70.62 181.1278
NA NA 106.30 2383.3616
NA NA 768.80 248804.5507
NA NA 512.30 189899.9227
NA NA 144.70 176382.4634
NA NA 340.90 264691.8022")