如何在 R 中按 2 列汇总表答案

【问题标题】：How to summarise a table by 2 columns in R如何在 R 中按 2 列汇总表
【发布时间】：2015-07-12 18:59:07
【问题描述】：

我想通过按期间对第 1 个分组，按付款人 ID 对第 2 个分组来总结此数据集，以便按月将结果显示为任何给定用户的小计，如下所示：

data.frame:

Payer   Period
1   10  1-1015
2   15  2-1015
3   14  3-1015
1   1   1-1015
3   5   1-1015
1   7   4-1015
3   8   4-1015
1   4   5-1015

结果应该是这样的：

Payer   Period
1   11  1-1015
3   5   1-1015
2   15  2-1015
3   14  3-1015
1   7   4-1015
3   8   4-1015
1   4   5-1015

最好的方法是什么？谢谢！

【问题讨论】：

您的意思是先按期间订购，然后按付款人订购？
$ 是列名吗？（我在编辑中删除了它，因为我认为它是错误的）
您缺少一个列名。如果有ID列，aggregate(Payer~ID+Period, df1, FUN=sum)
让我们调用缺少的中间列名称Amount...
真的取决于你所说的 best 是什么意思。如果您想通过灵活的语法快速完成此操作，请查看data.table package tutorials（@akrun 的答案）。另请参阅benchmarks on grouping。

标签： r aggregate split-apply-combine

【解决方案1】：

假设有三列，你可以只做aggregate。

 aggregate(Amount~., df1, FUN=sum)
 #    Payer Period Amount
 #1     1 1-1015     11
 #2     3 1-1015      5
 #3     2 2-1015     15
 #4     3 3-1015     14
 #5     1 4-1015      7
 #6     3 4-1015      8
 #7     1 5-1015      4

或者

 library(data.table)#v1.9.5+
 setDT(df1)[, list(Amount=sum(Amount)), .(Period, Payer)]
 #    Period Payer Amount
 #1: 1-1015     1     11
 #2: 2-1015     2     15
 #3: 3-1015     3     14
 #4: 1-1015     3      5
 #5: 4-1015     1      7
 #6: 4-1015     3      8
 #7: 5-1015     1      4

使用不同的顺序

 aggregate(Amount~., df2, FUN=sum)
 #  Payer Period Amount
 #1     1 1-1015     11
 #2     3 1-1015      5
 #3     2 2-1015     15
 #4     3 3-1015     14
 #5     1 4-1015      7
 #6     3 4-1015      8
 #7     1 5-1015      4

数据

 df1 <- structure(list(Payer = c(1L, 2L, 3L, 1L, 3L, 1L, 3L, 1L), 
 Amount = c(10L, 
 15L, 14L, 1L, 5L, 7L, 8L, 4L), Period = c("1-1015", "2-1015", 
 "3-1015", "1-1015", "1-1015", "4-1015", "4-1015", "5-1015")),
 .Names = c("Payer", 
  "Amount", "Period"), class = "data.frame", row.names = c(NA, -8L))

 set.seed(24)
 df2 <- df1[sample(nrow(df1)),]

【讨论】：

这依赖于具有所有条目的数据集，这些条目按 Period, Payer 递增的顺序排列。如果任何条目不是，结果将是无序的。
@smci。我认为这两种情况都不是真的。 aggregate 和 data.table.[ 的“by”参数都不要求它们的参数按组排序。
我认为@smci 正在考虑 sas :}
天哪，我不会碰 SAS 或 SPSS。

【解决方案2】：

require(dplyr)
df %>% group_by(Period,Payer) %>%
    summarize(Amount = sum(Amount)) %>%
    ungroup() # this should ungroup by the last grouped var, i.e. Payer

# if that doesn't work, then add an explicit %>% arrange(Period, Payer)

【讨论】：

您选择使用它而不是 aggregate 有什么原因吗？
@theamaturdataanalyst：我认为聚合没有给出按期间、付款人的明确排序（正如 OP 所要求的那样）。但确实如此。所以这只是一个相当于聚合的 dplyr。 dplyr(/data.table) 对于高基数分组（即大文件）几乎肯定会表现得更好。