计算两个分组变量的每个组合的列总和[重复]答案

【问题标题】：Calculate column sums for each combination of two grouping variables [duplicate]计算两个分组变量的每个组合的列总和[重复]
【发布时间】：2015-09-20 08:35:51
【问题描述】：

我有一个看起来像这样的数据集：

 Type Age   count1  count2  Year   Pop1   Pop2  TypeDescrip
  A   35    1        1      1990   30000  50000  alpha                                 
  A   35    3        1      1990   30000  50000  alpha 
  A   45    2        3      1990   20000  70000  alpha 
  B   45    2        1      1990   20000  70000  beta
  B   45    4        5      1990   20000  70000  beta

我想在 Type 和 Age 列中添加匹配的行数。所以理想情况下，我最终会得到一个如下所示的数据集：

 Type  Age  count1  count2  Year   Pop1   Pop2  TypeDescrip 
  A   35    4        2      1990   30000  50000  alpha 
  A   45    2        3      1990   20000  70000  alpha 
  B   45    6        6      1990   20000  70000  beta

我尝试过使用嵌套的duplicated() 语句，如下所示：

typedup = duplicated(df$Type)
bothdup = duplicated(df[(typedup == TRUE),]$Age)

但这会返回年龄或类型重复的索引，不一定是当一行有两个重复时。

我也试过tapply：

tapply(c(df$count1, df$count2), c(df$Age, df$Type), sum)

但是这个输出很难处理。完成后我想要一个 data.frame 。

我不想使用 for 循环，因为我的数据集非常大。

【问题讨论】：

如果您有许多列要分组和求和，请参阅stackoverflow.com/questions/30669817/…
@Frank 我认为必须是这个问题的副本 - 但我没有找到任何完美的匹配。这个问题有两个分组变量，这使得它与您链接的那个不同。
@SamFirke 对我的口味来说差异不够大:) 无论如何，重要的区别不是两个分组变量，而是两列相加。如果只有一个，那么 OP 的 tapply 几乎可以“工作”（至少在给出正确数字的意义上，尽管不在 data.frame 中）。
我认为您的 TypeDescript 将是预期输出中第二行的测试版。试试df2 %>% group_by(Type, Age,Pop1, Pop2, TypeDescrip) %>% summarise_each(funs(sum), matches('^count'))

标签： r aggregate

【解决方案1】：

试试

library(dplyr)
df1 %>%
     group_by(Type, Age) %>% 
     summarise_each(funs(sum))
#    Type Age count1 count2
#1    A  35      4      2
#2    A  45      2      3
#3    B  45      6      6

在较新版本的dplyr

df1 %>%
     group_by(Type, Age) %>%
     summarise_all(sum)

或者使用base R

 aggregate(.~Type+Age, df1, FUN=sum)
 #    Type Age count1 count2
 #1    A  35      4      2
 #2    A  45      2      3
 #3    B  45      6      6

或者

library(data.table)
setDT(df1)[, lapply(.SD, sum), .(Type, Age)] 
#   Type Age count1 count2
#1:    A  35      4      2
#2:    A  45      2      3
#3:    B  45      6      6

更新

基于新的数据集，

 df2 %>%
     group_by(Type, Age,Pop1, Pop2, TypeDescrip) %>% 
     summarise_each(funs(sum), matches('^count'))
 #    Type Age  Pop1  Pop2 TypeDescrip count1 count2
 #1    A  35 30000 50000       alpha      4      2
 #2    A  45 20000 70000        beta      2      3
 #3    B  45 20000 70000        beta      6      6

数据

 df1 <- structure(list(Type = c("A", "A", "A", "B", "B"), Age = c(35L, 
 35L, 45L, 45L, 45L), count1 = c(1L, 3L, 2L, 2L, 4L), count2 = c(1L, 
 1L, 3L, 1L, 5L)), .Names = c("Type", "Age", "count1", "count2"
 ), class = "data.frame", row.names = c(NA, -5L))

 df2 <- structure(list(Type = c("A", "A", "A", "B", "B"), Age = c(35L, 
 35L, 45L, 45L, 45L), count1 = c(1L, 3L, 2L, 2L, 4L), count2 = c(1L, 
 1L, 3L, 1L, 5L), Year = c(1990L, 1990L, 1990L, 1990L, 1990L), 
   Pop1 = c(30000L, 30000L, 20000L, 20000L, 20000L), Pop2 = c(50000L, 
   50000L, 70000L, 70000L, 70000L), TypeDescrip = c("alpha", 
   "alpha", "beta", "beta", "beta")), .Names = c("Type", "Age", 
  "count1", "count2", "Year", "Pop1", "Pop2", "TypeDescrip"),
   class =   "data.frame", row.names = c(NA, -5L))

【讨论】：

我喜欢您提供的 group_by 解决方案，但有没有办法在输出中包含更多列？我的数据集比我在原始帖子中给出的示例更宽。
@Hannah 你能用一个模仿你原始数据的例子来更新你的帖子吗？我猜你有其他列而不是你想要得到总和的列。但是，如果您想将这些列保留在摘要中，您将选择哪些值。即最后一个，第一个等..
@Hannah 用新数据更新了帖子
在第一个使用funs 剪切的代码已弃用。请改用list

【解决方案2】：

@hannah 你也可以通过 sqldf 包来使用 sql

sqldf("select 
Type,Age,
sum(count1) as sum_count1, 
sum(count2) as sum_count2 
from 
 df 
group by 
Type,Age
")

【讨论】：