如何根据 R 中的唯一 ID 汇总数据

Question

我有一个非常大的数据集，包含大约 3000 个观察值和 121 个变量。每个观察都包含有关电话的信息。每个设备都有一个唯一的 IMEI，并且数据集中有重复的 IMEI，因为一个设备可能有多个电话。

此数据最初是多个文件中的 JSON 格式。每一行都是一个单独的文件，所以我使用这个脚本使用 jsonlite pckg 导入 JSON 对象，然后使用 rbind 将它们全部绑定到一个大矩阵中，然后我使用 as.data.frame( ) 函数。

    require(jsonlite)
    files <- list.files()
    DF <- NULL

    for (f in files) {

        DF <- rbind(DF, fromJSON(f))
     }

    DF<- as.data.frame(DF)

但是，我想根据每个 UNIQUE IMEI 总结数据。

例如：

IMEI 123456789 有 10 个条目，变量为 call_duration、signal_strength、battery_level。我想将 10 个条目总结为一个条目，将 call_duration 相加，并平均 signal_strength 和 battery_level，因此结果将是：

   IMEI    call_duration(sum) signal_strength(mean) battery_level(mean)`

123456789     1982                    65               42

非常感谢。

Answer 1

你可以使用tapply来计算平均值（或总和）：

call_durationSUM <− tapply(X=DATA$call_duration, INDEX=DATA$IMEI, sum)
signal_strengthMEAN <− tapply(X=DATA$signal_strength, INDEX=DATA$IMEI, mean)
battery_levelMEAN <− tapply(X=DATA$battery_level, INDEX=DATA$IMEI, mean)

然后将它们 cbind 在一起。

Answer 2

tapply 和 data.table 都是有用的命令。另一种可能是使用sqldf包，输入SQL命令如下：

# install.packages('sqldf') # If not already installed
# options(gsubfn.engine = "R") # needed for older version of R. Most will not need this

library(sqldf)
info <- sqldf('select IMEI, sum(call_duration) as sum_call_duration, 
    avg(signal_strength) as mean_signal_strength, 
    avg(battery_level) as mean_battery_level 
    from IMEIdatasetname group by IMEI')