R：遍历列的唯一值并计算新变量

Question

我正在尝试通过引用一列 (SID) 中的唯一值来迭代数据集。我想根据数据框中的现有列创建几个变量。这些将为 SID 的每个唯一值计算。目前，我的代码没有根据 SID 的唯一值进行分离。它是对整个数据集的值求和。

这是一个例子：

数据：

fpd_2b.csv

数据框中有 40 行。 20行的SID值为“9003”，20行的值为“1028”。

我想创建一个名为“numPR”的变量和列，它是 df（“PreviewRound”）中已经存在的列的值的总和。 “PreviewRound”中的值为 0 或 1。

在这个具体的例子中，对于 SID 的每个唯一值，numPR 应该是 6，但目前它是 12（它不按 SID 分隔）。

代码如下：

file = "fpd_2b.csv"
headers = read.csv(file, header = F, nrows = 1, as.is = T)

df = read.csv(file, skip = 2, header = F)
colnames(df) = headers

# Remove blank rows (there is a blank row between each unique SID)
df = subset(df, SID  >1)

df$SID = factor(df$SID)

for (sid in unique(df$SID)) { 
  numPR = sum(df$PreviewRound)
  df$numPR = numPR
}

numPR 的整列用 12 填充，但应该用 6 填充（6 表示 9003，6 表示 1028）。任何帮助将非常感激！我已经在 Stack Overflow 和其他网站上查看了类似的帖子，但我的问题没有运气。我确信解决方案非常简单，非常感谢您的帮助，伙计们！

Answer 1

如果我们想创建一个列，使用'SID'作为分组变量

df$numPR <- with(df, ave(PreviewRound, SID, FUN = sum))

或者如果我们想要一个汇总输出，请使用aggregate

aggregate(PreviewRound~ SID, df, FUN = sum)

---

OP 代码的问题在于值是如何被替换的

df$numPR = numPR

在 OP 的 for 循环中，更重要的是

numPR = sum(df$PreviewRound) 

正在占用整个“PreviewRound”列的sum

每次运行for 循环时都会更新“numPR”列，只留下last 中的一个sum 更新unique“SID”。为了避免这种情况，请使用索引

df$numPR <- NA
for (sid in unique(df$SID)) { 
    i <- df$SID == sid # create a logical index
    numPR = sum(df$PreviewRound[i]) # subet the data based on the index
  df$numPR[i] = numPR # assign the values only to those selected rows
}