使用聚合生成基于 r 中多个类别的报告

Question

我有一个 .dbf，其中包含大约 280 万条记录，其中包含住宅地块数据，其中包含年份建造类别字段、县代码字段和风区字段（用于建筑代码限制）。有 3 年建成类别和 5 个风区。我需要获取每个县每个风区中每年建造类别的地块数量。基本上我有一个县 (CNTY_ID = 11)，有三年建成的类别 (BUILT_CAT = "1" 、 "2" 、 "3")，每个类别也分配给五个风速类别之一 (WINDSPEED = "100"、"110 ”、“120”等）。我想我需要使用 aggregate() 函数，但没有任何运气。最理想的生成表应该是这样的：

CNTY_ID = 11
                  BUILT_CAT 
             1        2        3
WINDSPEED
   100       x        x        x
   120       x        x        x
    .
    .
    .
   150       x        x        x

CNTY_ID = 12
                  BUILT_CAT 
             1        2        3
WINDSPEED
   100       x        x        x
   120       x        x        x
    .
    .
    .
   150       x        x        x

这样的任务有可能完成吗？

Answer 1

实际上，您最好使用table，这样更省事、更高效。你得到一个数组，这个数组很容易转换为一个数据框。

一些测试数据：

n <- 10000
df <- data.frame(
  windspeed = sample(c(110,120,130), n, TRUE),
  built_cat = sample(c(1,2,3),n,TRUE),
  cnty_id = sample(1:20,n,TRUE)
)

构造表并转换为数据框：

tbl <- with(df, table(windspeed, built_cat, cnty_id))
as.data.frame(tbl)

请注意，我在这里使用with，因此我将变量名自动作为表的暗名。这有助于转化。

Answer 2

您本质上需要的是一种对数据进行分组的方法。

我认为dplyr 是要走的路。你也可以使用aggregate。

使用dplyr

library(dplyr)
library(datasets)

temp <- airquality %>% 
  group_by(Month, Day) %>% 
  summarise(TOT = sum(Ozone))

View(temp)

这将为您提供标准化格式的数据，其中数据首先按Month 分组，然后按月份的Day 分组，然后对提供的变量求和。 Ozone 在这种情况下。您也可以改用length 来计算值。

使用aggregate

temp2 <- aggregate(Ozone ~ Month + Day, data = airquality, sum)
View(temp2)

该方法的主要区别在于NA 的处理方式。

由于基本 R 函数没有对NAs 进行非常直观的处理，因此只要遇到它就会添加记录。因此，sum 分组的结果对该分组实体失败，并从结果中删除。

这里是一个link 到其他组，使用data.table 或ddply 进行处理。您也可以通过plyr 或tapply 来实现。