R：按列组聚合数据 - 使用每个观察值改变列答案

【问题标题】：R: Aggregating data by column group - mutate column with values for each observationR：按列组聚合数据 - 使用每个观察值改变列
【发布时间】：2016-10-23 22:17:53
【问题描述】：

我遇到了一个初学者的问题，它为一个数据类别聚合数据，创建一个新列，其中包含每个观察项的每个类别数据的总和。

我想要以下数据：

PIN Balance
221 5000
221 2000
221 1000
554 4000
554 4500
643 6000
643 4000

看起来像：

PIN Balance Total
221 5000 8000
221 2000 8000
221 1000 8000
554 4000 8500
554 4500 8500
643 6000 10000
643 4000 10000

我尝试使用聚合：输出

【问题讨论】：

你尝试过什么吗？
第二列第三行输入输出不一样

标签： r aggregate

【解决方案1】：

您可以使用dplyr 做您想做的事。我们首先group_byPIN，然后使用mutate创建一个新列Total，这是分组Balance的总和：

library(dplyr)
res <- df %>% group_by(PIN) %>% mutate(Total=sum(Balance))

将您的数据用作数据框df：

df <- structure(list(PIN = c(221L, 221L, 221L, 554L, 554L, 643L, 643L
), Balance = c(5000L, 2000L, 1000L, 4000L, 4500L, 6000L, 4000L
)), .Names = c("PIN", "Balance"), class = "data.frame", row.names = c(NA, 
-7L))
##  PIN Balance
##1 221    5000
##2 221    2000
##3 221    1000
##4 554    4000
##5 554    4500
##6 643    6000
##7 643    4000

我们得到了预期的结果：

print(res)
##Source: local data frame [7 x 3]
##Groups: PIN [3]
##
##    PIN Balance Total
##  <int>   <int> <int>
##1   221    5000  8000
##2   221    2000  8000
##3   221    1000  8000
##4   554    4000  8500
##5   554    4500  8500
##6   643    6000 10000
##7   643    4000 10000

或者我们可以使用data.table:

library(data.table)
setDT(df)[,Table:=sum(Balance),by=PIN][]
##    PIN Balance Total
##1:  221    5000  8000
##2:  221    2000  8000
##3:  221    1000  8000
##4:  554    4000  8500
##5:  554    4500  8500
##6:  643    6000 10000
##7:  643    4000 10000

【讨论】：

【解决方案2】：

考虑使用sapply() 条件和方法的基本 R 解决方案：

df <- read.table(text="PIN Balance
                 221 5000
                 221 2000
                 221 1000
                 554 4000
                 554 4500
                 643 6000
                 643 4000", header=TRUE)    

df$Total <- sapply(seq(nrow(df)), function(i){
  sum(df[df$PIN == df$PIN[i], c("Balance")])
}) 

#   PIN Balance Total
# 1 221    5000  8000
# 2 221    2000  8000
# 3 221    1000  8000
# 4 554    4000  8500
# 5 554    4500  8500
# 6 643    6000 10000
# 7 643    4000 10000

【讨论】：