在R中逐个折叠数据答案

【问题标题】：Collapsing data case by case in R在R中逐个折叠数据
【发布时间】：2012-12-18 13:18:06
【问题描述】：

我正在处理一个包含反人口贩运组织信息的数据集。组织由组织名称或组织主页的 Web 地址标识。我想根据具体情况有条件地折叠此数据框，以便留下一组唯一的标识符（对于我的数据，组织名称或组织的网址）对于每个案例，以及这些案例的大约 1000 多个数字属性，这些数字属性是在崩溃之前标识符关联的行的最高或最低值。为了说明这一点，我想转：

> df1
x      y     z
Item1  0     3
Item1  1     4
Item2  1     2
Item3  1     3
Item2  1     5
Item3  1     2
Item4  0     2

进入类似的东西

> df2
x     y      z
Item1  1     3
Item2  1     2
Item3  1     2
Item4  0     2

当然，在这个例子中，我想保留 Var2 的最大值和 Var3 的最小值，并且只保留唯一的 Var1 值。

任何人都可以建议一种系统的方法来为大型数据集执行此操作吗？提前感谢您的帮助！

【问题讨论】：

标签： r dataframe collapse

【解决方案1】：

一种选择是使用plyr 包：

library(plyr)
ddply(df, .(x), summarize, y=max(y), z=min(z))
      x y z
1 Item1 1 3
2 Item2 1 2
3 Item3 1 2
4 Item4 0 2

另外，同样简单的是包data.table。如果您的数据非常大，此选项可能会大大加快速度。

library(data.table)
data.table(df)[, list(y=max(y), z=min(z)), by=x]
       x y z
1: Item1 1 3
2: Item2 1 2
3: Item3 1 2
4: Item4 0 2

【讨论】：

这很有帮助！但是我有一个（可能是愚蠢的）问题——因为 R 倾向于“思考”向量，所以 data.table 技术在保存我的数据的案例或行方面有多可靠。让我知道这是否需要澄清。

【解决方案2】：

我认为您可能应该选择 Andrie 的，因为他为您提供了 data.table 方法，这种方法可以说更简洁，当然也更快，但是在类别内处理不同结果的“经典”方法是使用 lapply(split(...))：

> do.call(rbind, lapply( split(df1, df1$x) , function (d) data.frame(x=d$x[1], 
                                                          mx.y=max(d$y), mn.z=min(d$z)
             ) ) )

          x mx.y mn.z
Item1 Item1    1    3
Item2 Item2    1    2
Item3 Item3    1    2
Item4 Item4    0    2

【讨论】：

【解决方案3】：

library(plyr)
V1 <- sample(10, 100, replace=TRUE)
V2 <- sample(100, 100, replace=TRUE)
V3 <- sample(100, 100, replace=TRUE)

df <- data.frame(V1=V1, V2=V2, V3=V3)

ddply(df, "V1", function(x) c(max(x$V2), min(x$V3)))

【讨论】：

【解决方案4】：

由于y 和z 表示行数，因此本质上是正数，您可以使用这种简单的方法：

aggregate(cbind(y, -z) ~ x, df1, function(x) abs(max(x)))

      x y -z
1 Item1 1  3
2 Item2 1  2
3 Item3 1  2
4 Item4 0  2

【讨论】：