使用 reshape + cast 聚合多个列答案

【问题标题】：Using reshape + cast to aggregate over multiple columns使用 reshape + cast 聚合多个列
【发布时间】：2010-05-06 14:05:55
【问题描述】：

在 R 中，我有一个数据框，其中包含 Seat（因子）、Party（因子）和 Votes（数字）列。我想创建一个包含席位、获胜方和投票份额列的摘要数据框。例如，从数据框

df <- data.frame(party=rep(c('Lab','C','LD'),times=4),
                 votes=c(1,12,2,11,3,10,4,9,5,8,6,15),
                 seat=rep(c('A','B','C','D'),each=3))

我想得到输出

  seat winner voteshare
1    A      C 0.8000000
2    B    Lab 0.4583333
3    C      C 0.5000000
4    D     LD 0.5172414

我可以弄清楚如何实现这一点。但我确信一定有更好的方法，可能是使用 Hadley Wickham 的 reshape 包的狡猾的单线。有什么建议吗？

不管怎样，我的解决方案使用了我的包中的一个函数 djwutils_2.10.zip 并按如下方式调用。但是有各种特殊情况它没有处理，所以我宁愿依赖别人的代码。

aggregateList(df, by=list(seat=seat),
              FUN=list(winner=function(x) x$party[which.max(x$votes)],
                       voteshare=function(x) max(x$votes)/sum(x$votes)))

【问题讨论】：

确实！我已经生成了显示上次选举结果和最新 betfair.com 赔率的图表，我想为今晚做好准备。地块位于cs.ucl.ac.uk/staff/d.wischik/Interests/Stats/Election/…

标签： r reshape

【解决方案1】：

Hadley 的 plyr 包可能会对您有所帮助：

ddply(df, .(seat), function(x) data.frame(winner=x[which.max(x$votes),]$party, voteshare=max(x$votes)/sum(x$votes)))

【讨论】：

谢谢。这正是我想要的。
或者，更简洁（很快会更快）：ddply(df, .(seat), summarise, winner = party[which.max(votes)], voteshare = max(votes) / sum(votes)))

【解决方案2】：

你可能是对的，有一个狡猾的单线。我倾向于采用易于理解胜于聪明的方法，尤其是当您第一次看到某些东西时。这是更详细的替代方案。

votes_by_seat_and_party <- as.matrix(cast(df, seat ~ party, value="votes"))

   C Lab LD
A 12   1  2
B  3  11 10
C  9   4  5
D  6   8 15

seats <- rownames(votes_by_seat_and_party)
parties <- colnames(votes_by_seat_and_party)

winner_col <- apply(votes_by_seat_and_party, 1, which.max)
winners <- parties[winner_col]
voteshare_of_winner_by_seat <- apply(votes_by_seat_and_party, 1, function(x) max(x) / sum(x))

results <- data.frame(seat = seats, winner = winners, voteshare = voteshare_of_winner_by_seat)

  seat winner voteshare
1    A      C 0.8000000
2    B    Lab 0.4583333
3    C      C 0.5000000
4    D     LD 0.5172414

# Full voteshare matrix, if you're interested
total_votes_by_seat <- rowSums(votes_by_seat_and_party)
voteshare_by_seat_and_party <- votes_by_seat_and_party / total_votes_by_seat

【讨论】：

您可以将缺失值（指定席位上没有特定政党的候选人）视为0 或NA。

【解决方案3】：

好的，所以 3 个解决方案...这是另一个使用原始 R 的更紧凑的解决方案。它是 4 个稀疏代码行。我假设缺失值是 0，或者只是缺失，因为这无关紧要。我的猜测是，这将是您处理大量数据的最快代码。

#get a sum for dividing
s <- aggregate(df$votes, list(seat = df$seat), sum)
#extract the winner and seat
temp <- aggregate(df$votes, list(seat = df$seat), max)
res <- df[df$seat %in% temp$seat & df$votes %in% temp$x,]
res$votes <- res$votes / s$x

如果您愿意，可以重命名列...

res$names

（如果出现平局，这将返回错误...您将能够在临时数据框中看到它）

【讨论】：