R：当名称相同时，对行中的值求和答案

【问题标题】：R: sum values in rows when name is the sameR：当名称相同时，对行中的值求和
【发布时间】：2017-10-24 02:11:58
【问题描述】：

我在 R 中有一个数据框，我想对共享名称的行中的值求和，并记录每一行的假名称。谁能想到一种有效的方法来做到这一点？我写了一个 for 循环（复制如下），但在大型数据集上效率极低。

提前致谢！

此数据集中给出了一些信息：(1) 不超过 2 个站点共享一个名称，(2) 这两个站点将始终在连续行中紧随其后。尽管我对其他框架不太熟悉，但我也对非 R 解决方案持开放态度。

初始数据示例：

name, fake_name, value1, value2, value3
siteX, siteX, 4, 2, 0.5
siteX, siteX2, 1, 4, 0.2
siteY, siteY, 2, 1, 0.4
siteZ, siteZ, 8, 3, 0.2

转换为：

name, value1, value2, value3, fake_name, dup_fake_name
siteX, 5, 6, 0.7, siteX, siteX2
siteY, 2, 1, 0.4, siteY, NA
siteZ, 8, 3, 0.2, siteZ, NA

for循环版本：

data[,c(1,3:5,2)] -> d2; d2$dup_fake_name <- NA
for (i in 1:(nrow(data)-1) {
  if (data$name[i] == data$name[i+1]) {
    data$value[i] <- data$value[i] + data$value[i+1]
    data$dup_fake_name[i] <- data$fake_name[i+1]
}}

【问题讨论】：

标签： r for-loop duplicates

【解决方案1】：

如果您不关心转换后数据中的最后两列，您可以aggregate 条目

 df <- structure(list(
     name = c("siteX", "siteX", "siteY", "siteZ"),
     fake_name = c("siteX", "siteX2", "siteY", "siteZ"), 
     value1 = c(4L, 1L, 2L, 8L), 
     value2 = c(2L, 4L, 1L, 3L), 
     value3 = c(0.5, 0.2, 0.4, 0.2)), 
     .Names = c("name", "fake_name", "value1", "value2", "value3"), 
     class = "data.frame", row.names = c(NA, -4L))

 df.agg <- aggregate(cbind(value1, value2, value3) ~ name, data = df, FUN = sum);
 #name value1 value2 value3
 #1 siteX      5      6    0.7
 #2 siteY      2      1    0.4
 #3 siteZ      8      3    0.2

添加 ID 有点多（丑陋）的工作：

# Split based on df$name
ID <- lapply(split(df, df$name), function(x) x$fake_name)

# Pad with NA's to have the same number of columns 
ID <- do.call(rbind.data.frame, lapply(ID, function(x) {
    if (length(x) < max(sapply(ID, length))) {
        x <- c(x, rep(NA, max(sapply(ID, length)) - length(x)))
    }
    return(x); 
}))
colnames(ID) <- paste("fake_name_", 1:ncol(ID), sep = "");

# Add ID columns to df.agg
df.agg <- cbind.data.frame(df.agg, ID);
df.agg;
#  name value1 value2 value3 fake_name_1 fake_name_2
#1 siteX      5      6    0.7       siteX      siteX2
#2 siteY      2      1    0.4       siteY        <NA>
#3 siteZ      8      3    0.2       siteZ        <NA>

【讨论】：

这看起来差不多完美，但我不知道tmp 指的是什么
抱歉。 ID 曾经被称为 tmp，当我试图把这个例子放在一起时。我已经更正了我的代码。
不用担心，很高兴它成功了。如果这回答了您的问题，请接受答案以关闭问题。
@jogo 是的，我之前也尝试过类似的方法。当您尝试根据 OP 请求添加 NA 以填充条目时，它会变得“丑陋”； @akrun 使用 data.table 有一个非常简洁（而且更短）的解决方案。

【解决方案2】：

这是一个使用data.table 的选项。将'data.frame'转换为'data.table'（setDT(df1)），按'name'分组，得到'value'列的sum，dcast'fake_name'为宽格式并加入@987654325 @“名称”列

library(data.table)
setDT(df1)[, lapply(.SD, sum), by = name, .SDcols = value1:value3
       ][dcast(df1, name~ paste0("fake_name", rowid(name)), value.var = 'fake_name'), 
          on = .(name)]
#    name value1 value2 value3 fake_name1 fake_name2
#1: siteX      5      6    0.7      siteX     siteX2
#2: siteY      2      1    0.4      siteY         NA
#3: siteZ      8      3    0.2      siteZ         NA

【讨论】：

【解决方案3】：

fake_name 列可以根据需要拆分，但这里有一个版本

library(tidyverse)

df <- data.frame(name = c('siteX', 'siteX', 'siteY', 'siteZ'), 
           fake_name = c('siteX', 'siteX2', 'siteY', 'siteZ'),
           value1 = c(4,1,2,8),
           value2 = c(2,4,1,3),
           value3 = c(0.5,0.2,0.4,0.2))

df %>% 
  group_by(name) %>% 
  mutate(id = 1:n(),
         dup_fake_name = ifelse(id==2, fake_name, NA)) %>% 
  summarise(value1 = sum(value1),
            value2 = sum(value2),
            value3 = sum(value3),
            fake_name = toString(fake_name))

【讨论】：