R中的分组/bin/bucket数据并获取每个桶的计数和每个桶的值总和

Question

我希望存储/分组/分箱数据：

C1             C2       C3
49488.01172    0.0512   54000
268221.1563    0.0128   34399
34775.96094    0.0128   54444
13046.98047    0.07241  61000
2121699.75     0.00453  78921
71155.09375    0.0181   13794
1369809.875    0.00453  12312
750            0.2048   43451
44943.82813    0.0362   49871
85585.04688    0.0362   18947
31090.10938    0.0362   13401
68550.40625    0.0181   14345

我想按 C2 值对它进行存储，但我希望定义存储桶，例如

我不知道从哪里开始，因为我是 R 的新用户。有没有人愿意帮助我找出代码或指导我提供一个可以满足我需求的示例？

编辑：添加了另一列 C3。我需要每个桶的 C3 总和以及每个桶 C1 的总和和计数

Answer 1

从 cmets 来看，“C2”似乎是“字符”列，后缀为 %。在创建组之前，使用sub 删除%，转换为“数字”（as.numeric）。变量“组”是通过使用带有breaks（组桶/间隔）和labels（用于所需组标签）参数的函数cut创建的（transform(df,...)）。一旦创建了组变量，“组”的“C1”的sum和“组”中元素的“计数”可以使用“base R”中的aggregate来完成

df1 <-  transform(df, group=cut(as.numeric(sub('[%]', '', C2)), 
    breaks=c(-Inf,0.005, 0.010, 0.014, Inf),
      labels=c('<0.005', 0.005, 0.01, 0.014)))

 res <- do.call(data.frame,aggregate(C1~group, df1, 
        FUN=function(x) c(Count=length(x), Sum=sum(x))))

 dNew <- data.frame(group=levels(df1$group))
 merge(res, dNew, all=TRUE)
 #   group C1.Count    C1.Sum
 #1 <0.005        2 3491509.6
 #2  0.005       NA        NA
 #3   0.01        2  302997.1
 #4  0.014        8  364609.5

或者您可以使用data.table。 setDT 将 data.frame 转换为 data.table。使用by= 指定“分组”变量，并在list( 中汇总/创建两个变量“Count”和“Sum”。 .N 给出每个“组”中元素的数量。

 library(data.table)
  setDT(df1)[, list(Count=.N, Sum=sum(C1)), by=group][]

或使用dplyr。 %>% 将 LHS 与 RHS 参数连接起来，并将它们链接在一起。使用group_by 指定“组”变量，然后使用summarise_each 或summarise 获取相关列的汇总计数和sum。如果有不止一列，summarise_each 会很有用。

 library(dplyr)
 df1 %>%
      group_by(group) %>% 
      summarise_each(funs(n(), Sum=sum(.)), C1)

更新

使用新数据集df

df1 <- transform(df, group=cut(C2,  breaks=c(-Inf,0.005, 0.010, 0.014, Inf),
                             labels=c('<0.005', 0.005, 0.01, 0.014)))

res <- do.call(data.frame,aggregate(cbind(C1,C3)~group, df1, 
       FUN=function(x) c(Count=length(x), Sum=sum(x))))
res
#  group C1.Count    C1.Sum C3.Count C3.Sum
#1 <0.005        2 3491509.6        2  91233
#2   0.01        2  302997.1        2  88843
#3  0.014        8  364609.5        8 268809

您可以按照上面的详细信息发送merge。

dplyr 方法是相同的，只是指定了附加变量

 df1%>%
      group_by(group) %>%
       summarise_each(funs(n(), Sum=sum(.)), C1, C3)
 #Source: local data frame [3 x 5]

 #  group C1_n C3_n    C1_Sum C3_Sum
 #1 <0.005    2    2 3491509.6  91233
 #2   0.01    2    2  302997.1  88843
 #3  0.014    8    8  364609.5 268809

数据

df <-structure(list(C1 = c(49488.01172, 268221.1563, 34775.96094, 
13046.98047, 2121699.75, 71155.09375, 1369809.875, 750, 44943.82813, 
85585.04688, 31090.10938, 68550.40625), C2 = c("0.0512%", "0.0128%", 
"0.0128%", "0.07241%", "0.00453%", "0.0181%", "0.00453%", "0.2048%", 
"0.0362%", "0.0362%", "0.0362%", "0.0181%")), .Names = c("C1", 
"C2"), row.names = c(NA, -12L), class = "data.frame")