在 R 中“添加”两个大表的简单方法？答案

【问题标题】：Easy way of "adding" two large tables in R?在 R 中“添加”两个大表的简单方法？
【发布时间】：2013-05-01 05:39:12
【问题描述】：

有没有一种简单的方法可以在 R 的两个大表中添加每个类别的计数？

...表中的值并不完全相同（尽管它们大部分会重叠）：

我正在尝试做的小例子。设置一些数据：

  x1 <- c(5, 3, 3, 6, 3, 3, 5, 5, 11, 2, 4, 9, 3, 5, 8, 2, 8, 5, 4, 8)
  x2 <- c(6, 10, 9, 17, 6, 7, 8, 11, 5, 12, 14, 5, 11, 7, 7)

  table(x1)
x1
 2  3  4  5  6  8  9 11 
 2  5  2  5  1  3  1  1 

 table(x2)
x2
 5  6  7  8  9 10 11 12 14 17 
 2  2  3  1  1  1  2  1  1  1

现在我想合并这些表，就像我已经完成 table(c(x1,x2)) 一样，得到：

 2  3  4  5  6  7  8  9 10 11 12 14 17 
 2  5  2  7  3  3  4  2  1  3  1  1  1

但现在想象一下 x1 和 x2 已经消失了（而且真的很大，所以我真的不想从表中重新创建它们并实际执行table(c(x1,x2)))，我想要的只是拿表t1 和t2 并添加它们的（通常非常大）计数......我可以通过几种非常笨重的方式来做到这一点。

但是，这似乎应该既很常见又很容易解决问题（确实，我认为t1 + t2 应该适用于具有类别的表相同类型）但搜索我能想到的每个搜索词的问题什么都没找到。

我是否错过了一种非常简单明了的方法？

编辑：

为了澄清，这样的事情（我做过）对于必须做的事情并不“简单明了” 是一个非常常见的表格操作：

 m <- merge(t1,t2,by.x="x1",by.y="x2",all=TRUE)
 m[is.na(m)] <- 0
 oo <- order(m$x1)
 t12 <- m[oo,2]+m[oo,3]
 names(t12) <- m[oo,1]

特别是，这实际上并不比蛮力方法更简单也更容易遵循。

【问题讨论】：

你应该看看merge。
@PaulHiemstra 我在发帖之前做过。我也玩了一段时间。我没有看到做我想做的事的好方法（比用蛮力做更容易）。可能我错过了那里的某些东西，但在那种情况下......我需要更多的提示。
如果您使用数据框而不是表格，您的生活会轻松很多。表只是命名向量，一般来说，用于对齐和组合命名向量的 R 函数很少，而用于数据帧的函数很多。
@hadley 谢谢；我使用表格的原因无非是table 的输出；我很乐意根据需要as.data.frame 他们，但是（在组合它们之后）命名向量足以满足我的需要；作为一个更广泛的原则，我认为这是一个很好的建议，但我自己很少使用表格。

标签： r aggregate

【解决方案1】：

在dplyr中：

library(dplyr)
x1 <- c(5, 3, 3, 6, 3, 3, 5, 5, 11, 2, 4, 9, 3, 5, 8, 2, 8, 5, 4, 8)
x2 <- c(6, 10, 9, 17, 6, 7, 8, 11, 5, 12, 14, 5, 11, 7, 7)

# Transform "Tables" to DataFrames & standardize column names
df1 <- as.data.frame(table(x1)) %>% select(x = x1, Freq)
df2 <- as.data.frame(table(x2)) %>% select(x = x2, Freq)  

# Merge tables & aggregate results
Ttldf <- bind_rows(df1, df2) %>% group_by(x) %>% summarise(TtlFreq = sum(Freq))

对于总结和管道 Vignette 的简要介绍是一个很好的资源：@987654321@

有关快速使用摘要以进一步发挥最佳效果的方法的更多信息，Markham 的教程非常有帮助：https://rpubs.com/justmarkham/dplyr-tutorial

【讨论】：

【解决方案2】：

使用tapply的另一种方式：

tapply(c(t1,t2), names(c(t1,t2)), sum)
# 10 11 12 14 17  2  3  4  5  6  7  8  9 
#  1  3  1  1  1  2  5  2  7  3  3  4  2

这里是如果你想要一个排序的输出：

w <- c(t1,t2)
# edit: Following G.Grothendieck's suggestion to simplify it further
tapply(w, as.numeric(names(w)), sum)
#  2  3  4  5  6  7  8  9 10 11 12 14 17 
#  2  5  2  7  3  3  4  2  1  3  1  1  1

【讨论】：

啊，整洁。是的，需要排序输出。第二种方式可以毫不费力地很好地扩展到许多表。

【解决方案3】：

正如@PaulHiemstra 所说，merge应该完成这项工作。我不太熟悉它，但这段代码应该可以工作（尽管可能有更有效的方法......）

x1 <- c(5, 3, 3, 6, 3, 3, 5, 5, 11, 2, 4, 9, 3, 5, 8, 2, 8, 5, 4, 8)
x2 <- c(6, 10, 9, 17, 6, 7, 8, 11, 5, 12, 14, 5, 11, 7, 7)

tx1 <- table(x1)
tx2 <- table(x2)

df1 <- data.frame(names=names(tx1),values=as.vector(tx1))
df2 <- data.frame(names=names(tx2),values=as.vector(tx2))

mdf12 <- merge(df1,df2,by="names",all=TRUE)
mdf12[is.na(mdf12)] <- 0

counts <- mdf12[,2] + mdf12[,3]
names(counts) <- mdf12[,1]

counts[order(as.numeric(names(counts)))]
table(c(x1,x2))

我不喜欢is.na 步骤，但我不知道如何实现，首先有0 而不是NA。

【讨论】：

谢谢，是的，我实际上做了一些与此非常接近的事情，但是对于必须非常频繁地使用 table 的操作来说，这似乎非常复杂。
好的，那么抱歉带来了。也许我可以稍后删除这篇文章，因为你编辑了你之前已经尝试过那个复杂解决方案的帖子，@Arun 发布了一个合适的解决方案 (+1)。
这里的错是我的；您的答案涵盖了 a 方法，并且在没有我后来在编辑中包含的信息的情况下，这是一个合理的答案。我相应地投了赞成票。