R-折叠行并对列中的值求和答案

【问题标题】：R- Collapse rows and sum the values in the columnR-折叠行并对列中的值求和
【发布时间】：2013-05-22 14:14:25
【问题描述】：

我有以下数据框（df1）：

ID    someText    PSM OtherValues
ABC   c   2   qwe
CCC   v   3   wer
DDD   b   56  ert
EEE   m   78  yu
FFF   sw  1   io
GGG   e   90  gv
CCC   r   34  scf
CCC   t   21  fvb
KOO   y   45  hffd
EEE   u   2   asd
LLL   i   4   dlm
ZZZ   i   8   zzas

我想折叠第一列并添加相应的 PSM 值我想得到以下输出：

ID  Sum PSM
ABC 2
CCC 58
DDD 56
EEE 80
FFF 1
GGG 90
KOO 45
LLL 4
ZZZ 8

聚合函数似乎可行，但不知道语法。非常感谢任何帮助！谢谢。

【问题讨论】：

标签： r unique aggregate rows collapse

【解决方案1】：

在基地：

aggregate(PSM ~ ID, data=x, FUN=sum)
##    ID PSM
## 1 ABC   2
## 2 CCC  58
## 3 DDD  56
## 4 EEE  80
## 5 FFF   1
## 6 GGG  90
## 7 KOO  45
## 8 LLL   4
## 9 ZZZ   8

【讨论】：

【解决方案2】：

使用dplyr的例子，plyr的下一次迭代：

df2 <- df1 %>% group_by(ID) %>%
     summarize(Sum_PSM = sum(PSM))

当您输入字符%>% 时，您就是在“管道”。这意味着您正在输入该管道运算符左侧的内容并在右侧执行功能。

【讨论】：

【解决方案3】：

使用plyr 包非常简单：

library(plyr)
ddply(df1, .(ID), summarize, Sum=sum(PSM))

【讨论】：

【解决方案4】：

如果您只想保留原始列名并一次在一列内操作，使用聚合函数似乎比 dplyr 更好。避免使用汇总函数，

summary 函数文档中的注释

使用现有变量名时要小心；相应的列将立即用新数据更新，这可以影响引用这些变量的后续操作。

例如

## modified example from aggregate documentation with character variables and NAs
testDF <- data.frame(v1 = c(1,3,5,7,8,3,5,NA,4,5,7,9),
                 v2 = c(11,33,55,77,88,33,55,NA,44,55,77,99) )
by <- c("red", "blue", 1, 2, NA, "big", 1, 2, "red", 1, NA, 12)

aggregate(x = testDF, by = list(by1), FUN = "sum")
Group.1 v1  v2
1       1 15 165
2      12  9  99
3       2 NA  NA
4     big  3  33
5    blue  3  33
6     red  5  55

你得到你想要的，但是当你使用 summarise 和 ddply 时，你需要指定名称。所以如果你有很多列，聚合似乎很方便。

testDF$ID=by1
ddply(testDF, .(ID), summarize, v1=sum(v1), v2=sum(v2) )
ID v1  v2
1    1 15 165
2   12  9  99
3    2 NA  NA
4  big  3  33
5 blue  3  33
6  red  5  55
7 <NA> 15 165

要查看立即更新列的效果，您可以查看以下示例，

ddply(testDF, .(ID), summarize, v1=max(v1,v2), v2=min(v1,v2) )
ID v1 v2
1    1 55 55
2   12 99 99
3    2 NA NA
4  big 33 33
5 blue 33 33
6  red 44 11
7 <NA> 88 77

ddply(testDF, .(ID), summarize, v1=min(v1,v2), v2=min(v1,v2) )
ID v1 v2
1    1  5  5
2   12  9  9
3    2 NA NA
4  big  3  3
5 blue  3  3
6  red  1  1
7 <NA>  7  7

请注意，当V1使用max时，计算v2时col已经更新，所以例如ID=1的情况下，在v2中使用min时我们不能得到数字5。

【讨论】：

【解决方案5】：

使用 data.table

setDT(df1)[,  lapply(.SD, sum) , by = ID, .SDcols = "PSM" ]

【讨论】：