如何添加与另一列对应的值的列？答案

【问题标题】：How to add a column with values corresponding to another column?如何添加与另一列对应的值的列？
【发布时间】：2017-06-07 00:40:26
【问题描述】：

我将总结一下我是如何获得我使用的数据帧的：

     name abundance 
1    joe  1
2    tim  1
3    bob  1
4    joe  1 
5    bob  1

首先，我通过聚合列创建了一个新数据框并计算了相对频率：

     name  abundance  relative_ab
1    joe   2          0.4
2    tim   1          0.2
3    bob   2          0.4

但是我想在第一个数据帧中添加一列，这样就有像这样带有 relative_ab 的冗余条目（实际数据集中还有其他信息，我会通过聚合它们而丢失信息）。

     name abundance relative_ab
1    joe  1         0.4
2    tim  1         0.2
3    bob  1         0.4
4    joe  1         0.4
5    bob  1         0.4

我想我可以强制执行此操作，但我对 R 比较陌生，想知道你们可能会想出什么巧妙的方法。

谢谢！

【问题讨论】：

merge(df1, df2, by="name")

标签： r dataframe

【解决方案1】：

如果可以使用dplyr:

library(dplyr)
df %>% 
  mutate(s=sum(abundance)) %>%
  group_by(name) %>%
  mutate(relative_ab=sum(abundance)/s, s=NULL)

    name abundance relative_ab
  <fctr>     <int>       <dbl>
1    joe         1         0.4
2    tim         1         0.2
3    bob         1         0.4
4    joe         1         0.4
5    bob         1         0.4

【讨论】：

【解决方案2】：

您可以使用match 执行此操作。假设您的第一个 data.frame 是 df1，第二个是 df2，您可以使用：

df1$relative_ab = df2$relative_ab[match(df1$name, df2$name)]
df1
  name abundance relative_ab
1  joe         1         0.4
2  tim         1         0.2
3  bob         1         0.4
4  joe         1         0.4
5  bob         1         0.4

match 使用名称来选择要使用的行。

match(df1$name, df2$name)
[1] 1 2 3 1 3

【讨论】：

【解决方案3】：

我们可以使用基本 R ave 按 name 分组，然后将组 abundance sum 除以完整的 abundance。

df$relative_ab <- with(df,ave(abundance, name, FUN = function(x) 
                                        sum(x)/sum(abundance)))
df
#  name abundance relative_ab
#1  joe         1         0.4
#2  tim         1         0.2
#3  bob         1         0.4
#4  joe         1         0.4
#5  bob         1         0.4

【讨论】：

【解决方案4】：

我们可以通过data.table 做到这一点

library(data.table)
setDT(df)[, relative_ab := sum(abundance)/sum(df$abundance) , name]
df
#   name abundance relative_ab
#1:  joe         1         0.4
#2:  tim         1         0.2
#3:  bob         1         0.4
#4:  joe         1         0.4
#5:  bob         1         0.4

【讨论】：