R：合并两个数据帧（分组/汇总）时如何避免出错？答案

【问题标题】：R: How do I avoid getting an error when merging two data frames (group by/summarise)?R：合并两个数据帧（分组/汇总）时如何避免出错？
【发布时间】：2020-09-30 04:31:58
【问题描述】：

我有一个很大的data frame 80,000 行。它是由不同年份的个人data frames 组合而成的。 origin 变量表示条目的原始data frame 的年份。

这是data frame 大行中前几行的示例，显示了 2003 年和 2011 年的数据帧是如何组合的。

df_1:
ID City State origin
1  NY   NY    2003 
2  NY   NY    2003
3  SF   CA    2003
1  NY   NY    2011
3  SF   CA    2011
2  NY   NY    2011
4  LA   CA    2011
5  SD   CA    2011

现在我想创建一个名为first_appearance 的新变量，它为每个ID 获取origin 变量中的min：

final_df:
ID City State     origin   first_appearance
    1  NY   NY    2003     2003
    2  NY   NY    2003     2003
    3  SF   CA    2003     2003
    1  NY   NY    2011     2003
    3  SF   CA    2011     2003
    2  NY   NY    2011     2003
    4  LA   CA    2011     2011
    5  SD   CA    2011     2011

到目前为止，我已经尝试过使用：

prestep_final <- df_1 %>% group_by(ID) %>% summarise(first_apperance = min(origin))
final_df <- merge(prestep_final, df_1, by = "ID")

Prestep_final 工作并生成带有ID 和first_appearance 的data frame。

很遗憾，merge 步骤不起作用，并产生一个仅包含 NA 条目的 data frame。

如何改进我的代码，以便生成类似于上面final_df 的表格。如有任何建议，我将不胜感激，并且没有包裹偏好。

【问题讨论】：

标签： r group-by merge summarize

【解决方案1】：

如果您将summarise 更改为mutate，则无需合并即可获得所需的结果：

library(tidyverse)

df <- tibble::tribble(
  ~ID, ~City, ~State, ~origin,
    1,  'NY',   'NY',    2003, 
    2,  'NY',   'NY',    2003,
    3,  'SF',   'CA',    2003,
    1,  'NY',   'NY',    2011,
    3,  'SF',   'CA',    2011,
    2,  'NY',   'NY',    2011,
    4,  'LA',   'CA',    2011,
    5,  'SD',   'CA',    2011
)

df %>% group_by(ID) %>% 
  mutate(first_appearance = min(origin))
#> # A tibble: 8 x 5
#> # Groups:   ID [5]
#>      ID City  State origin first_appearance
#>   <dbl> <chr> <chr>  <dbl>            <dbl>
#> 1     1 NY    NY      2003             2003
#> 2     2 NY    NY      2003             2003
#> 3     3 SF    CA      2003             2003
#> 4     1 NY    NY      2011             2003
#> 5     3 SF    CA      2011             2003
#> 6     2 NY    NY      2011             2003
#> 7     4 LA    CA      2011             2011
#> 8     5 SD    CA      2011             2011

^{由reprex package (v0.3.0) 于 2020-06-10 创建}

【讨论】：

谢谢你，@MarBio！

【解决方案2】：

data.table 的选项

library(data.table)
setDT(df)[, first_appearance := min(origin), ID]

或在base R

df$first_appearance <- with(df, ave(origin, ID, FUN = min))

【讨论】：

这是一个非常巧妙的解决方案。谢谢@akrun！