在 R 中按操作分组

Question

我有一个包含数百万行的数据集，我需要使用 R 在其中应用 'group by' 操作。

数据的形式是

V1 V2 V3
a  u  1
a  v  2
b  w  3
b  x  4
c  y  5
c  z  6

使用 R 执行 'group by'，我想将第 3 列中的值相加并连接第 2 列中的值，如

V1 V2 V3
a uv 3
b wx 7
c yz 11

我曾尝试在 excel 中进行操作，但由于有很多元组，我无法使用 excel。我是 R 的新手，所以任何帮助将不胜感激。

Answer 1

很多可能的解决方法，这里有两个

library(data.table)
setDT(df)[, .(V2 = paste(V2, collapse = ""), V3 = sum(V3)), by = V1]
#    V1 V2 V3
# 1:  a uv  3
# 2:  b wx  7
# 3:  c yz 11

或者

library(dplyr)
df %>%
  group_by(V1) %>%
  summarise(V2 = paste(V2, collapse = ""), V3 = sum(V3))

# Source: local data table [3 x 3]
# 
#   V1 V2 V3
# 1  a uv  3
# 2  b wx  7
# 3  c yz 11

数据

df <- structure(list(V1 = structure(c(1L, 1L, 2L, 2L, 3L, 3L), .Label = c("a", 
"b", "c"), class = "factor"), V2 = structure(1:6, .Label = c("u", 
"v", "w", "x", "y", "z"), class = "factor"), V3 = 1:6), .Names = c("V1", 
"V2", "V3"), class = "data.frame", row.names = c(NA, -6L))

Answer 2

另一种选择，使用aggregate

# Group column 2
ag.2 <- aggregate(df$V2, by=list(df$V1), FUN = paste0, collapse = "")
# Group column 3
ag.3 <- aggregate(df$V3, by=list(df$V1), FUN = sum)

# Merge the two
res <- cbind(ag.2, ag.3[,-1])

Answer 3

另一个选项sqldf

 library(sqldf)
 sqldf('select V1,
        group_concat(V2,"") as V2,
        sum(V3) as V3 
        from df 
        group by V1')
 #  V1 V2 V3
 #1  a uv  3
 #2  b wx  7
 #3  c yz 11

或使用base R

 do.call(rbind,lapply(split(df, df$V1), function(x) 
  with(x, data.frame(V1=V1[1L], V2= paste(V2, collapse=''), V3= sum(V3)))))

Answer 4

使用ddply

library(plyr)
ddply(df, .(V1), summarize, V2 = paste(V2, collapse=''), V3 = sum(V3))

#  V1 V2 V3
#1  a uv  3
#2  b wx  7
#3  c yz 11

Answer 5

您也可以只使用 'caroline' 包中的 groupBy 函数：

x <-cbind.data.frame(V1=rep(letters[1:3],each=2), V2=letters[21:26], V3=1:6, stringsAsFactors=F) 
groupBy(df=x, clmns=c('V2','V3'),by='V1',aggregation=c('paste','sum'),collapse='')

在 R 中按操作分组

Group by operarion in R

r

data-manipulation