如何按 R 中两列中的名称聚合？答案

【问题标题】：How to aggregate by names in two columns in R?如何按 R 中两列中的名称聚合？
【发布时间】：2020-04-02 17:50:53
【问题描述】：

我有一个数据框：

a <- c('A','A','B','B','A')
b <- c(1,1,1,1,2)
c <- c(NA,60,NA,100,NA)
d <- c(10,NA,10,NA,100)

frame <- data.frame(a,b,c,d)

> frame
  a  b   c  d
1 A  1  NA  10
2 A  1  60  NA
3 B  1  NA  10
4 B  1 100  NA
5 A  2  NA  100

我想通过 a 和 b 来聚合它

>frame2
  a  b   c  d
1 A  1  60  10
3 B  1 100  10
5 A  2  NA  100

我尝试了一些方法，例如 dplyr 中的 aggregat() 和 group，但不知何故它从来没有奏效。我猜NA是个问题。

【问题讨论】：

标签： r merge aggregate na

【解决方案1】：

使用aggregate，我们可能需要使用na.action

aggregate(.~ a + b, frame, sum, na.rm = TRUE, na.action = 'na.pass')
#   a b   c   d
#1 A 1  60  10
#2 B 1 100  10
#3 A 2   0 100

如果我们打算对行进行子集化

library(dplyr)
frame %>% 
    group_by(a, b) %>%
    mutate_at(vars(-group_cols()), ~ .[order(is.na(.))]) %>% 
    slice(1)
# A tibble: 3 x 4
# Groups:   a, b [3]
#  a         b     c     d
#  <fct> <dbl> <dbl> <dbl>
#1 A         1    60    10
#2 A         2    NA   100
#3 B         1   100    10

【讨论】：

起初我想知道为什么复杂，但这个dplyr 解决方案似乎是唯一一个返回NA 的解决方案，就像问题中的预期解决方案一样。

【解决方案2】：

使用data.table 和hablar::sum_：

library(data.table)

setDT(frame)[,.(c = as.numeric(hablar::sum_(c)), 
                d = as.numeric(hablar::sum_(d))), .(a,b)]
#>    a b   c   d
#> 1: A 1  60  10
#> 2: B 1 100  10
#> 3: A 2  NA 100

或者在base 中，我们可以定义自己的函数并将其与aggregate 一起使用，如他们的回答中所示的^akrun：

sum__ <- function(x){if(all(is.na(x))) NA_real_ else sum(x, na.rm=T)}

aggregate(.~ a + b, frame, sum__, na.action = 'na.pass')

【讨论】：

【解决方案3】：

除了@akrun使用aggreate()之外，还可以使用下面的代码来制作：

aggregate(frame[-(1:2)], frame[1:2], sum, na.rm = TRUE)

这样

> aggregate(frame[-(1:2)], frame[1:2], sum, na.rm = TRUE)
  a b   c   d
1 A 1  60  10
2 B 1 100  10
3 A 2   0 100

【讨论】：

【解决方案4】：

使用dplyr 和tidyr，您可以将数据重新整形为长格式，过滤NA 行，然后重新整形为宽格式。这基本上结合了 c 和 d 值，并保留了 c 列中的 NA。

library(dplyr)
library(tidyr)

frame %>%
  pivot_longer(c:d) %>%
  filter(!is.na(value)) %>%
  arrange(name) %>%
  pivot_wider(names_from = name)
#> # A tibble: 3 x 4
#>   a         b     c     d
#>   <fct> <dbl> <dbl> <dbl>
#> 1 A         1    60    10
#> 2 B         1   100    10
#> 3 A         2    NA   100

IMO 的一个小烦恼是，与之前的 tidyr::spread 不同，tidyr::pivot_wider 保持数据的顺序；如果你不调用arrange，你会得到d列，然后是c，因为过滤后的观察顺序。

【讨论】：