如何通过条件求和填充新的数据框列

Question

我想通过对考虑多个条件的值求和来构建一个新变量（以及一个额外的条件，见下文）。在这里你可以看到 R 代码，直到像我当前的问题一样。

# The raw dataframe
area <- c("A", "A", "B", "A", "C", "B", "A", "B", "A", "C")
varclass <- c("Z1", "Z1", "Z1", "Z2", "Z1", "Z1", "Z2", "Z1", "Z2", "Z2")
count <- c(45, 56, 2, 8, 345, 3, 98, 2, 6, 9)

df1 <- data.frame(area,
                  varclass,
                  count,
                  stringsAsFactors = FALSE)
df1
# See how df1 looks like...
#    area varclass count
#1     A       Z1    45
#2     A       Z1    56
#3     B       Z1     2
#4     A       Z2     8
#5     C       Z1   345
#6     B       Z1     3
#7     A       Z2    98
#8     B       Z1     2
#9     A       Z2     6
#10    C       Z2     9

# Building the final dataframe

df2 <- data.frame(unique(df1$area),
                  stringsAsFactors = FALSE)
names(df2)[1] <- "area"
# See how df2 looks like...
#   area
#1    A
#2    B
#3    C 

# The new variable to build

df2$Z1_sum <- sum(df1[df1$varclass == "Z1" & df1$area == df2$area,]$count)
# doesn't work

# See what I hope
#   area  Z1_sum
#1    A     101
#2    B      7
#3    C     345

正如您在最后一行中看到的，我想在 df2 数据库中构建一个新变量 Z1_sum。 Z1_sum 是 df1 数据库中的计数总和，其中 varclass = "Z1" 和 df1$area 满足 df2$area 当前行的值（在 MS Excel 中，这意味着使用 LC1 或 $A2 单元格 ID）。

请考虑这样一个事实，即我不是在寻找涉及通过使用按条件分组或 dcast 函数从 df1 直接构建 df2 的解决方案...我只想要一个允许我返回正确值的公式在我的新专栏中。这是我的额外条件。为什么？这是因为我接下来要使用最复杂的公式构建其他变量，而不仅仅是一个总和。通过了解如何进行此类条件操作，我希望继续...

感谢您的帮助。

杰夫

Answer 1

你的意思是：

df2 <- setNames(
                aggregate(
                          count ~ area,
                          df1[df1$varclass == "Z1", ],
                          sum
                          ),
                c("area", "Z1_sum")
               )
df2
  area Z1_sum
1    A    101
2    B      7
3    C    345

或

df2$Z1_sum <- aggregate(count ~ area, df1[df1$varclass == "Z1", ], sum)$count

---

编辑以解决您的评论。

尝试：

df2 <- aggregate(
                 count ~ area + varclass,
                 df1,
                 sum
                )

这将为您提供“长”格式的数据：

df2
  area varclass count
1    A       Z1   101
2    B       Z1     7
3    C       Z1   345
4    A       Z2   112
5    C       Z2     9

现在您需要使用以下方法将其重塑为“宽”格式：

df2 <- xtabs(count ~ area + varclass, df2)
    varclass
area  Z1  Z2
   A 101 112
   B   7   0
   C 345   9

或：

df2 <- reshape(df2, idvar = "area", timevar = "varclass", direction = "wide")
  area count.Z1 count.Z2
1    A      101      112
2    B        7       NA
3    C      345        9

Answer 2

只是基于您希望计入最终总和的 Z* 的子集。

df1Z1 <- df1[df1$varclass %in% c("Z1"), ]
aggregate(count ~ area, data = df1Z1, FUN = sum)

  area count
1    A   101
2    B     7
3    C   345

Answer 3

你可以使用dplyr得到你想要的结果：

library(dplyr)

df2 <- group_by(df1, area) %>% 
  filter(varclass == "Z1") %>% 
  summarize(Z1_sum = sum(count)) %>% 
df2
#> # A tibble: 3 x 2
#>    area Z1_sum
#>   <chr>  <dbl>
#> 1     A    101
#> 2     B      7
#> 3     C    345

dplyr 动词应该很好解释，%>% 是管道操作，从一个函数获取输出并将其作为下一个函数的第一个输入。 group_by 这里按area 列分组，所以当我们计算总和时（在summarize 中），它是每个区域组的总和。 filter 是数据的子集。