如何按顺序按组对值求和答案

【问题标题】：How to sum values by groups in sequence如何按顺序按组对值求和
【发布时间】：2020-10-10 08:20:15
【问题描述】：

我有一个数据框，其中duration 列中的持续时间值和gaze_focus 列中的组值。

df1
   duration gaze_focus
29    1.011  periphery
31    1.590     center
33    1.582     center
35    0.571  periphery
37    0.561     center
39    2.136     center
41    0.181  periphery
43    1.475     center
45    0.177  periphery
47    0.940  periphery
49    2.102     center

我想计算直接相邻的相同组值的总和以获得这个结果：

df2
  duration gaze_focus
1    1.011  periphery
2    3.172     center
3    0.571  periphery
4    2.697     center
5    0.181  periphery
6    1.475     center
7    1.117  periphery
8    2.102     center

我知道诸如按组求和之类的数学运算可以使用例如aggregate 或 tapply 但我不知道如何按小块对值求和。感谢您的帮助！

可重现的数据：

df1 <- structure(list(duration = c(1.011, 1.59, 1.582, 0.571, 0.561, 
2.136, 0.181, 1.475, 0.177, 0.94, 2.102), gaze_focus = c("periphery", 
"center", "center", "periphery", "center", "center", "periphery", 
"center", "periphery", "periphery", "center")), row.names = c(29L, 
31L, 33L, 35L, 37L, 39L, 41L, 43L, 45L, 47L, 49L), class = "data.frame")

【问题讨论】：

标签： r sum grouping

【解决方案1】：

dplyr 和 rleid 的选项

library(dplyr)
library(data.table)
df1 %>% 
   group_by(grp = rleid(gaze_focus), gaze_focus) %>% 
  summarise(duration = sum(duration, na.rm = TRUE),
         .groups = 'drop') %>% 
  select(-grp)

-输出

# A tibble: 8 x 2
#  gaze_focus duration
#  <chr>         <dbl>
#1 periphery     1.01 
#2 center        3.17 
#3 periphery     0.571
#4 center        2.70 
#5 periphery     0.181
#6 center        1.48 
#7 periphery     1.12 
#8 center        2.10

【讨论】：

【解决方案2】：

一个dplyr 选项可能是：

df1 %>%
 group_by(gaze_focus, rleid = with(rle(gaze_focus), rep(seq_along(lengths), lengths))) %>%
 summarise_all(sum) %>%
 arrange(rleid)

  gaze_focus rleid duration
  <chr>      <int>    <dbl>
1 periphery      1    1.01 
2 center         2    3.17 
3 periphery      3    0.571
4 center         4    2.70 
5 periphery      5    0.181
6 center         6    1.48 
7 periphery      7    1.12 
8 center         8    2.10

【讨论】：

这是您使用seq_along 而不仅仅是seq 的原因吗？
@AlexB 它可能会稍微高效一些，因为它是专门为此任务创建的。

【解决方案3】：

这行得通吗：

> for(i in 1:(nrow(df1)-1)){
+           if(df1$gaze_focus[i] == df1$gaze_focus[i+1]) { 
+             df1$duration[i+1] = df1$duration[i] + df1$duration[i+1] 
+             df1[i,] = NA
+             }
+   else{ df1$duration[i] = df1$duration[i] }
+ }
> df1
   duration gaze_focus
29    1.011  periphery
31       NA       <NA>
33    3.172     center
35    0.571  periphery
37       NA       <NA>
39    2.697     center
41    0.181  periphery
43    1.475     center
45       NA       <NA>
47    1.117  periphery
49    2.102     center
> df2 <- df1 %>% na.omit()
> df2
   duration gaze_focus
29    1.011  periphery
33    3.172     center
35    0.571  periphery
39    2.697     center
41    0.181  periphery
43    1.475     center
47    1.117  periphery
49    2.102     center
> rownames(df2) <- NULL

【讨论】：

【解决方案4】：

我们可以使用data.table 中的rleid 将每个连续值创建为单独的组。

library(data.table)

setDT(df1)[, .(gaze_focus = first(gaze_focus), 
               duration = sum(duration)), rleid(gaze_focus)]

#   rleid gaze_focus duration
#1:     1  periphery    1.011
#2:     2     center    3.172
#3:     3  periphery    0.571
#4:     4     center    2.697
#5:     5  periphery    0.181
#6:     6     center    1.475
#7:     7  periphery    1.117
#8:     8     center    2.102

【讨论】：