如何像在 SQL 中一样在 R 中分组？答案

【问题标题】：How can I group by in R as in SQL?如何像在 SQL 中一样在 R 中分组？
【发布时间】：2018-11-23 12:07:11
【问题描述】：

我有这张桌子test

test<-matrix(c(1,1,1,1,1,2,2,2,2,2,2011,2012,2012,2013,2014,2011,2013,2013,2014,2014,1,1,3,2,1,2,1,1,3,1),  10,3)
test<-as_data_frame(test)
colnames(test)<-c("T","Y","S")

我想创建一个变量x，它是变量S 的总和，其中年份Y 与该行或一年前的行相同。

这正是我所期待的：

test<-cbind(test,c(1,5,5,6,3,2,4,4,6,6))
colnames(test)[4]<-"x"

我认为在 SQL 中是这样的（至少我记得）：

proc sql;
create table test as select
a.T,
a.Y,
sum(case when Y eq a.Y or Y eq a.Y+1 then S else 0 end) as x
from test as a
group by T, Y;
end;

【问题讨论】：

标签： r group-by aggregate

【解决方案1】：

尝试以下左自连接：

library(sqldf)

sqldf("select a.*, sum(b.S) as x 
  from test a 
  left join test b on a.T = b.T and b.Y between a.Y-1 and a.Y
  group by a.rowid")

给予：

   T    Y S x
1  1 2011 1 1
2  1 2012 1 5
3  1 2012 3 5
4  1 2013 2 6
5  1 2014 1 3
6  2 2011 2 2
7  2 2013 1 2
8  2 2013 1 2
9  2 2014 3 6
10 2 2014 1 6

注意

这被用作产生上述输出的输入：

test <- structure(list(T = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2), Y = c(2011, 
2012, 2012, 2013, 2014, 2011, 2013, 2013, 2014, 2014), S = c(1, 
1, 3, 2, 1, 2, 1, 1, 3, 1)), row.names = c(NA, -10L), class = "data.frame")

【讨论】：

完美！不仅是我期待的结果，而且是我正在寻找的方式（SQL）。另外，更正结果（我的错，你给出了正确的答案）。谢谢

【解决方案2】：

使用dplyr::left_join 的一个选项可以使用self-join 来实现。这个概念是将test 与test 连接起来（在将Y 增加1 之后）。现在，如果您使用left_join 加入，则每一行将与属于Y 少1 个值的行加入。最后，必须sum 两个(S.x, S.y) 列（按行）。

library(tidyverse)

test %>% left_join(mutate(., Y = Y+1), by=c("T", "Y")) %>% 
  rowwise() %>%
  mutate(x = sum(S.x, S.y, na.rm = TRUE)) %>%
  select(T, Y, S = S.x, x) %>%
  as.data.frame()
#    T    Y S x
# 1  1 2011 1 1
# 2  1 2012 1 2
# 3  1 2012 3 4
# 4  1 2013 2 3
# 5  1 2013 2 5
# 6  1 2014 1 3
# 7  2 2011 2 2
# 8  2 2013 1 1
# 9  2 2013 1 1
# 10 2 2014 3 4
# 11 2 2014 3 4
# 12 2 2014 1 2
# 13 2 2014 1 2

【讨论】：

【解决方案3】：

我没有完全理解您要计算的内容，但您可以尝试使用 data.tables。语法为data.table[WHERE, SELECT, GROUP_BY]，如果您习惯于 SQL，则很熟悉。应该是这样的：

library(data.table)

test.dt <- as.data.table(test)

test.dt[ Y >= Y-1, x := sum(S), by = .(T, Y) ]

:= 表示创建一个名为“x”的新列（没有它只会显示结果）。

【讨论】：

【解决方案4】：

如果我理解正确，您可以使用tidyverse 方法。

require(tidyverse)

test %>% 
  group_by(Y) %>% 
  mutate(x = sum(S, na.rm = TRUE)) %>% 
  ungroup()

       T     Y     S     x
   <dbl> <dbl> <dbl> <dbl>
 1    1. 2011.    1.    3.
 2    1. 2012.    1.    4.
 3    1. 2012.    3.    4.
 4    1. 2013.    2.    4.
 5    1. 2014.    1.    5.
 6    2. 2011.    2.    3.
 7    2. 2013.    1.    4.
 8    2. 2013.    1.    4.
 9    2. 2014.    3.    5.
10    2. 2014.    1.    5.

【讨论】：