合并重复行答案

【问题标题】：Consolidate duplicate rows合并重复行
【发布时间】：2012-04-16 19:08:58
【问题描述】：

我有一个数据框，其中一列是物种名称，第二列是丰度值。由于抽样程序，一些物种出现不止一次（即，其中有不止一行包含物种 X）。我想合并这些条目并总结它们的丰富性。

例如，给定这个数据框：

set.seed(6)
df=data.frame(
  x=c("sp1","sp2","sp3","sp3","sp4","sp2","sp3"),
  y=rpois(7,2)); df

产生：

    x y
1 sp1 2
2 sp2 4
3 sp3 1
4 sp3 1
5 sp4 3
6 sp2 5
7 sp3 5

我想改为：

    x y
1 sp1 2    
2 sp2 9     (5+4)
3 sp3 7     (5+1+1)
5 sp4 3

提前感谢您提供的任何帮助！

【问题讨论】：

标签： r

【解决方案1】：

这行得通：

library(plyr)
ddply(df,"x",numcolwise(sum))

用词：（1）将数据框df按"x"列拆分； (2) 对于每个块，取每个数值列的总和； (3) 将结果粘贴回单个数据框中。（dd in ddply 代表“取一个d ata帧作为输入，返回一个d ata帧”）

另一种可能更清晰的方法：

aggregate(y~x,data=df,FUN=sum)

请参阅quick/elegant way to construct mean/variance summary table 了解相关（稍微复杂一点）的问题。

【讨论】：

天啊！这个 ddply 的教科书应用程序是如何从我身边溜走的……谢谢 Ben！
+1 用于 numcolwise 和 sum 的应用。我一直在忙着变换和变异，试图让它完全正常工作。
AFAIK, "aggregate(y~x+z,data=df,FUN=sum)" 可用于保留 additional 列（此处为“z”），是否有需要（在我的情况下是需要）。如果我错了，请纠正我。

【解决方案2】：

简单如aggregate:

aggregate(df['y'], by=df['x'], sum)

【讨论】：

【解决方案3】：

dplyr 解决方案：

library(dplyr)
df %>% group_by(x) %>% summarise(y = sum(y))

【讨论】：

【解决方案4】：

data.table 的时间和内存效率解决方案

library(data.table)
DT <- as.data.table(df)
# which columns are numeric 
numeric_cols <- which(sapply(DT, is.numeric))
DT[, lapply(.SD, sum), by = x, .SDcols = numeric_cols]

或者，在您的情况下，假设您知道只有 1 列 y 您希望求和

DT[, list(y=sum(y)),by=x]

【讨论】：

【解决方案5】：

> tapply(df$y, df$x, sum)
sp1 sp2 sp3 sp4 
  2   9   7   3

如果它必须是data.frame Ben 的回答效果很好。或者你可以强制tapply输出。

out <- tapply(df$y, df$x, sum)
>     data.frame(x=names(out), y=out, row.names=NULL)
    x y
1 sp1 2
2 sp2 9
3 sp3 7
4 sp4 3

【讨论】：

【解决方案6】：

一个 MWE 来验证一个公式是否尊重第二个变量（即这里的“Z”以及“X”之外的其他变量是否真的有效：

example = data.frame(X=c("x"),Z=c("a"),Y=c(1), stringsAsFactors=F)
newrow = c("y","b",1)
example <- rbind(example, newrow)
newrow = c("z","a",0.5)
example <- rbind(example, newrow)
newrow = c("x","b",1)
example <- rbind(example, newrow)
newrow = c("x","b",2)
example <- rbind(example, newrow)
newrow = c("y","b",10)
example <- rbind(example, newrow)
example$X = as.factor(example$X)
example$Z = as.factor(example$Z)
example$Y = as.numeric(example$Y)
example_agg <- aggregate(Y~X+Z,data=example,FUN=sum)

【讨论】：