使用 FOR 循环找出变量的总和？答案

【问题标题】：Using FOR loop for finding out the sum of variables?使用 FOR 循环找出变量的总和？
【发布时间】：2015-12-22 13:08:40
【问题描述】：

我有一个数据框，其中包含我从国家排放清单网站获得的 6 个变量的 6,497,651 个观察值，它具有以下变量：

fips    SCC       Pollutant     Emissions    type    year
09001   10100401  PM25          15.14        POINT   1999
09001   10100402  PM25          234.75       POINT   1999

其中fips是县代码，SCC是源字符串名称，Pollutant是污染物类型（本例中为PM2.5排放），Emissions表示污染物排放量以吨为单位，type 是排放污染物的来源类型（道路、非道路、点等），year 记录了从 1999 年到 2008 年的年份。

基本上，我必须绘制一个简单的线图来展示每年排放水平的变化。现在，仅 1999 年就有上千个观测值；直到 2008 年的其他年份也是如此。这个问题一点也不难，因为我可以很容易地为每一年形成一个新的数据框，其中记录了所有排放量的总和，然后行绑定所有这些子集数据框。但是实现这一点的更有效和更整洁的方法可能是使用 FOR 循环，我可以根据每年计算“排放”下所有值的总和，并将所有这些信息存储到一个新的数据框中，但我被卡住了从哪里开始。如何输入将根据每年计算值总和的确切语法？我应该有一个看起来像这样的数据框：

Year    Emissions

Emissions 记录了该特定年份所有排放值的总和。

【问题讨论】：

不要循环，ddply。见ddply。例如：ddply(data, .(Year), function(x){em_sum <- sum(x$Emissions) data.frame(Emissions = em_sum)}) 类似的东西。如果您必须循环，需要注意的是，超过 1000 次迭代（可以说更少）通常有更有效的方法来获得所需的结果。
也许是with(mydata, tapply(Emissions, year, sum))。最好添加一些带有您预期结果的实际样本数据。
根据@Pierre 的要求添加了详细信息

标签： r loops dataframe

【解决方案1】：

data.table 包可能是处理此类事情的最有效的包。计算每年排放总量的语法是这样的（假设您的数据存储在dt）：

library(data.table)
dt=data.table(dt)
dt[,.(Emissions=sum(Emissions)),by=year]

【讨论】：

我建议使用setDT() 而不是data.table()，它会从 data.frame 返回一个 data.table 而无需深度复制。它已经存在了很长时间。

【解决方案2】：

dplyr/ggplot 选项。我们按“年份”分组，使用summarise 获取“排放”的sum，并使用ggplot 进行绘图。

library(dplyr)
library(ggplot2) 
df1 %>%
   group_by(year) %>% 
   summarise(Emissions=sum(Emissions)) %>%
   ggplot(., aes(x=year, y=Emissions))+
   geom_line()

或者这可以直接在ggplot内完成

ggplot(df1, aes(x=year, y=Emissions)) + 
                stat_summary(fun.y='sum', geom='line')

【讨论】：