如何通过 R 中的两个因素总结数值变量答案

【问题标题】：how to summarise a numeric variable by two factors in R如何通过 R 中的两个因素总结数值变量
【发布时间】：2014-03-07 15:34:50
【问题描述】：

我有一个包含 3 个变量和 1.425.558 个观察值的 data.frame。它是可再生能源工厂安装电力的登记册。每行代表一个已安装的发电厂。一个邮政编码区域可以有多个相同类型的发电厂。

ID  zipcode     Type    power
1   79280   solarpower  3
2   79280   solarpower  3
3   79283   hydroelectric   3
4   79280   biogas          55
5   79280   windpower   2
6   21459   windpower   4
7   21459   windpower   2

我想按邮政编码总结安装了多少太阳能/沼气/风力发电。

zipcode     Type    power
21459        windpower    6
79280        solarpower   6
79280        windpower    2
...and so on.

我已经试过了

aggregate(myDat$power, by=list(myDat$zipcode,myDat$type), FUN=sum)

但我的 RAM 不够用。

我知道，我的数据框非常大。我可以缩小很多范围，因为我只需要那些以“2”开头的邮政编码的数据。

你能给我指出一个解决方案吗？非常感谢您帮助初学者！

【问题讨论】：

标签： r sum aggregate data.table dplyr

【解决方案1】：

如果我理解正确你需要什么，你可以用 dplyr 来表达：

> data %.% group_by( zipcode, Type ) %.% summarise( power = sum(power) )
Source: local data frame [5 x 3]
Groups: zipcode

  zipcode          Type power
1   21459     windpower     6
2   79280     windpower     2
3   79280        biogas    55
4   79283 hydroelectric     3
5   79280    solarpower     6

如果你只想要那些以2 开头的邮政编码，你可以先filter：

> data %.% filter( grepl( "^2", zipcode ) ) %.% 
     group_by( zipcode, Type ) %.% summarise( power = sum(power) )
Source: local data frame [1 x 3]
Groups: zipcode

  zipcode      Type power
1   21459 windpower     6

【讨论】：

【解决方案2】：

data.table版本：

library(data.table)
dt = data.table(your_df)

dt[, sum(power), by = list(zipcode, Type)]

首先缩小范围：

dt[grep("^2", zipcode), sum(power), by = list(zipcode, Type)]

因为grep 的成本很高，所以在dplyr 和data.table 中，您最好（速度方面）首先总结，然后过滤，即：

dt[, sum(power), by = list(zipcode, Type)][grep("^2", zipcode)]

【讨论】：

对perl=TRUE 使用grep 参数有助于加快速度。
另外，如果您知道邮政编码始终是 5 位，您可以这样做：zipcode %/% 10000 == 2（不转换为字符也可以节省更多时间）。