Group/bin/bucket R 中的数据并获取每个桶的计数和每个桶的值总和

Question

我要bucket/group/bin数据：

C1             C2       C3
49488.01172    0.0512   54000
268221.1563    0.0128   34399
34775.96094    0.0128   54444
13046.98047    0.07241  61000
2121699.75     0.00453  78921
71155.09375    0.0181   13794
1369809.875    0.00453  12312
750            0.2048   43451
44943.82813    0.0362   49871
85585.04688    0.0362   18947
31090.10938    0.0362   13401
68550.40625    0.0181   14345

我想按 C2 值对它进行存储，但我希望定义存储桶，例如<=0.005, <=.010, <=.014 等。如您所见，分桶将是不均匀的间隔。我想要每个桶的 C1 计数以及每个桶的 C1 总和。

我不知道从哪里开始，因为我是 R 的新用户。有没有人愿意帮助我找出代码或指导我找到一个可以满足我需要的示例？

编辑：添加了另一列 C3。我还需要每个桶的 C3 总和以及每个桶的 C1 的总和和计数

Answer 1

根据评论，"C2" 似乎是 "character" 列，后缀为 %。在创建组之前，使用 sub 删除 %，转换为 "numeric" (as.numeric)。变量 "group" 是通过使用函数 cut 和 breaks（组 buckets/intervals）和 labels（对于所需组标签）参数。创建组变量后，"group" 的 "C1" 的 sum 和 "group" 中元素的 "count" 可以使用 aggregate 完成来自 "base R"

df1 <-  transform(df, group=cut(as.numeric(sub('[%]', '', C2)), 
    breaks=c(-Inf,0.005, 0.010, 0.014, Inf),
      labels=c('<0.005', 0.005, 0.01, 0.014)))

 res <- do.call(data.frame,aggregate(C1~group, df1, 
        FUN=function(x) c(Count=length(x), Sum=sum(x))))

 dNew <- data.frame(group=levels(df1$group))
 merge(res, dNew, all=TRUE)
 #   group C1.Count    C1.Sum
 #1 <0.005        2 3491509.6
 #2  0.005       NA        NA
 #3   0.01        2  302997.1
 #4  0.014        8  364609.5

或者您可以使用 data.table。 setDT 将 data.frame 转换为 data.table。用by=和summarize/create指定"grouping"变量，list(内的两个变量"Count"和"Sum"。 .N 给出每个 "group".

中的元素数

 library(data.table)
  setDT(df1)[, list(Count=.N, Sum=sum(C1)), by=group][]

或使用dplyr。 %>% 将 LHS 与 RHS 参数连接起来并将它们链接在一起。使用 group_by 指定 "group" 变量，然后使用 summarise_each 或 summarise 获取相关列的摘要计数和 sum。如果有多于一列，summarise_each 会很有用。

 library(dplyr)
 df1 %>%
      group_by(group) %>% 
      summarise_each(funs(n(), Sum=sum(.)), C1)

更新

使用新数据集df

df1 <- transform(df, group=cut(C2,  breaks=c(-Inf,0.005, 0.010, 0.014, Inf),
                             labels=c('<0.005', 0.005, 0.01, 0.014)))

res <- do.call(data.frame,aggregate(cbind(C1,C3)~group, df1, 
       FUN=function(x) c(Count=length(x), Sum=sum(x))))
res
#  group C1.Count    C1.Sum C3.Count C3.Sum
#1 <0.005        2 3491509.6        2  91233
#2   0.01        2  302997.1        2  88843
#3  0.014        8  364609.5        8 268809

您可以按照上面的详细说明执行 merge。

除了指定附加变量外，dplyr 方法是相同的

 df1%>%
      group_by(group) %>%
       summarise_each(funs(n(), Sum=sum(.)), C1, C3)
 #Source: local data frame [3 x 5]

 #  group C1_n C3_n    C1_Sum C3_Sum
 #1 <0.005    2    2 3491509.6  91233
 #2   0.01    2    2  302997.1  88843
 #3  0.014    8    8  364609.5 268809

数据

df <-structure(list(C1 = c(49488.01172, 268221.1563, 34775.96094, 
13046.98047, 2121699.75, 71155.09375, 1369809.875, 750, 44943.82813, 
85585.04688, 31090.10938, 68550.40625), C2 = c("0.0512%", "0.0128%", 
"0.0128%", "0.07241%", "0.00453%", "0.0181%", "0.00453%", "0.2048%", 
"0.0362%", "0.0362%", "0.0362%", "0.0181%")), .Names = c("C1", 
"C2"), row.names = c(NA, -12L), class = "data.frame")

Group/bin/bucket R 中的数据并获取每个桶的计数和每个桶的值总和

Group/bin/bucket data in R and get count per bucket and sum of values per bucket

aggregate

r

binning

更新

数据