【发布时间】：2012-08-05 23:21:14
【问题描述】：
我在聚合数据框时遇到了一些麻烦，同时保持组的原始顺序（基于数据框中第一次出现的顺序）。我已经设法做到了，但希望有一种更简单的方法来解决它。
这是一个可以处理的示例数据集：
set.seed(7)
sel.1 <- sample(1:5, 20, replace = TRUE) # selection vector 1
sel.2 <- sample(1:5, 20, replace = TRUE)
add.1 <- sample(81:100) # additional vector 1
add.2 <- sample(81:100)
orig.df <- data.frame(sel.1, sel.2, add.1, add.2)
需要注意的几点：有两个选择列来确定数据如何组合在一起。他们将是相同的，并且他们的名字是已知的。我只在此数据中添加了两列，但可能还有更多。我给出了以 'sel' 和 'add' 开头的列名，以便于理解，但实际数据有不同的名称（所以虽然 grep 技巧很酷，但在这里它们不会有用）。
我要做的是根据“sel”列将数据框聚合成组，并将所有“add”列加在一起。这很简单，使用aggregate 如下：
# Get the names of all the additional columns
all.add <- names(orig.df)[!(names(orig.df)) %in% c("sel.1", "sel.2")]
aggr.df <- aggregate(orig.df[,all.add],
by=list(sel.1 = orig.df$sel.1, sel.2 = orig.df$sel.2), sum)
问题是结果是按 'sel' 列排序的；我希望根据每个组在原始数据中的首次出现对其进行排序。
这是我为完成这项工作所做的最佳尝试：
## Attempt 1
# create indices for each row (x) and find the minimum index for each range
index.df <- aggregate(x = 1:nrow(orig.df),
by=list(sel.1 = orig.df$sel.1, sel.2 = orig.df$sel.2), min)
# Make sure the x vector (indices) are in the right range for aggr.df
index.order <- (1:nrow(index.df))[order(index.df$x)]
aggr.df[index.order,]
## Attempt 2
# get the unique groups. These are in the right order.
unique.sel <- unique(orig.df[,c("sel.1", "sel.2")])
# use sapply to effectively loop over data and sum additional columns.
sums <- t(sapply(1:nrow(unique.sel), function (x) {
sapply(all.add, function (y) {
sum(aggr.df[which(aggr.df$sel.1 == unique.sel$sel.1[x] &
aggr.df$sel.2 == unique.sel$sel.2[x]), y])
})
}))
data.frame(unique.sel, sums)
虽然这些给了我正确的结果，但我希望有人能指出一个更简单的解决方案。如果该解决方案适用于标准 R 安装附带的软件包，那将是更可取的。
我查看了aggregate 和match 的文档，但找不到答案（我想我希望aggregate 有类似“keep.original.order”的参数)。
任何帮助将不胜感激！
更新：（以防有人偶然发现）
这是我尝试了几天后能找到的最干净的方法：
unique(data.frame(sapply(names(orig.df), function(x){
if(x %in% c("sel.1", "sel.2")) orig.df[,x] else
ave(orig.df[,x], orig.df$sel.1, orig.df$sel.2, FUN=sum)},
simplify=FALSE)))
【问题讨论】：
-
感谢您的更新，这可能是没有使用 data.table 的最佳解决方案。如何让 R 开发团队为聚合实现“keep.original.order”参数？这似乎是一个明显的疏忽……
标签： r aggregate data.table