根据条件组合数据框列？答案

【问题标题】：Combine data frame columns based on condition?根据条件组合数据框列？
【发布时间】：2023-03-24 22:40:01
【问题描述】：

我有一个data.frame，其中第一行是一个分数。 2 列以上的分数可以相同。我怎样才能优雅地将它们组合成一个，并为这些列添加 select 行的总和？我用 3 个for 循环完成了它，但效率非常低。提前谢谢！

df = structure(list(`1542917` = c(21.03, 357, 140, 0, 0.15, 0.06, 
0), `1542954` = c(21.07, 353, 7, 0, 0.15, 0.06, 0), `1542904` = c(21.19, 
358, 5, 0, 0.15, 0.06, 0), `1542908` = c(21.19, 358, 6, 0, 0.15, 
0.06, 0), `1542894` = c(21.37, 358, 2, 0, 0.15, 0.06, 0), `1542895` = c(21.37, 
358, 5, 0, 0.15, 0.06, 0), `1542901` = c(21.37, 358, 77, 0, 0.15, 
0.06, 1)), .Names = c("1542917", "1542954", "1542904", "1542908", 
"1542894", "1542895", "1542901"), row.names = c("Score", "item_count", 
"market_count", "3M Post-It Notes 1 ct./pk. ", "7Up Soft Drinks 12 oz. 12 ct./pk. 3/$10.00", 
"7Up Soft Drinks 12 oz. 12 ct./pk. 3/$11.00", "Charlottesville, VA"
), class = "data.frame")

我所看到的：

    row.names   1542917 1542954 1542904 1542908 1542894 1542895 1542901
1   Score   21.03   21.07   21.19   21.19   21.37   21.37   21.37
2   item_count  357.00  353.00  358.00  358.00  358.00  358.00  358.00
3   market_count    140.00  7.00    5.00    6.00    2.00    5.00    77.00
4   3M Post-It Notes 1 ct./pk.  0.00    0.00    0.00    0.00    0.00    0.00    0.00
5   7Up Soft Drinks 12 oz. 12 ct./pk. 3/$10.00  0.15    0.15    0.15    0.15    0.15    0.15    0.15
6   7Up Soft Drinks 12 oz. 12 ct./pk. 3/$11.00  0.06    0.06    0.06    0.06    0.06    0.06    0.06
7   Charlottesville, VA 0.00    0.00    0.00    0.00    0.00    0.00    1.00

我所追求的（第 3 行求和，所有其他行与第一个实例一样基于相同的分数。保证具有相同分数的列具有相同的数字，但我想求和的 market_count 除外）：

    row.names   1542917 1542954 1542904 1542894
1   Score   21.03   21.07   21.19   21.37
2   item_count  357.00  353.00  358.00  358.00
3   market_count    140.00  7.00    11.00   84.00
4   3M Post-It Notes 1 ct./pk.  0.00    0.00    0.00    0.00
5   7Up Soft Drinks 12 oz. 12 ct./pk. 3/$10.00  0.15    0.15    0.15    0.15
6   7Up Soft Drinks 12 oz. 12 ct./pk. 3/$11.00  0.06    0.06    0.06    0.06
7   Charlottesville, VA 0.00    0.00    0.00    1.00

编辑 - 我笨拙的解决方案。问题是我有 10k+ 行，而且它非常慢而且不优雅

Score = c(63.69, 27.31, 31.99, 25.41, 26.61, 28.35, 83.91, 22.59, 26.61, 
          21.73, 27.11, 26.99, 21.55, 26.99, 22.01, 21.93, 21.99, 24.39, 
          24.39, 25.31, 22.05, 21.55, 22.01, 22.33, 21.37, 21.37, 21.67, 
          26.13, 22.55, 27.11, 21.99, 21.37, 21.81, 20.71, 21.19, 21.87, 
          22.59, 29.61, 21.19, 27.21, 38.91, 28.81, 65.89, 28.71, 22.99, 
          39.85, 21.63, 21.03, 39.85, 29.41, 38.89, 34.87, 26.83, 30.85, 
          22.05, 28.05, 46.75, 27.31, 21.39, 21.73, 26.79, 21.55, 21.39, 
          29.17, 23.19, 21.07, 23.19, 21.73, 26.07, 22.01, 22.39, 46.47, 
          25.41, 21.39, 27.11, 21.55, 26.79, 21.87, 21.73, 21.55, 22.03, 
          22.35, 26.79, 27.31, 27.49, 27.11, 27.75, 26.13, NA)
un_score = unique(sort(Score))
print(un_score)
sum_mark = matrix(0,ncol=length(un_score),nrow=nrow(df))

for (i in 1:length(un_score)) {
  for (j in 1:ncol(df)) {
    for (k in 1:nrow(df)) {
      if (df[1,j] == un_score[i]) {
        if (k<3 | (k > 3 & k <= length(prod)+3)) sum_mark[k,i] = unique(df[k,j])
        else sum_mark[k,i] = sum_mark[k,i] + df[k,j]
      }
    }
  }
}
View(sum_mark)

在这个例子中考虑length(prod) = 3

【问题讨论】：

添加了我非常不优雅的解决方案
非常有帮助，谢谢
需要提一下。有 2 种类型的行：保持原样的行（1-2，在遇到 lengh(prod)+3 之前；第 3 行和 prod+3 之后的很长一段路 - 它们被求和。为简洁起见，省略了后者跨度>

标签： r for-loop dataframe optimization aggregate

【解决方案1】：

使用基础 R：

df1=setNames(df,df[1,])
df2=transform(stack(df1),i=rownames(df)[c(row(df1))],ind=sub("([.]\\d+).*","\\1",ind))
df3=aggregate(values~.,df2,function(x)sum(unique(x)))
reshape(df3,timevar = "ind",idvar = "i",dir="wide")
                                          i values.21.03 values.21.07 values.21.19 values.21.37
1                 3M Post-It Notes 1 ct./pk.          0.00         0.00         0.00         0.00
5  7Up Soft Drinks 12 oz. 12 ct./pk. 3/$10.00         0.15         0.15         0.15         0.15
9  7Up Soft Drinks 12 oz. 12 ct./pk. 3/$11.00         0.06         0.06         0.06         0.06
13                        Charlottesville, VA         0.00         0.00         0.00         1.00
17                                 item_count       357.00       353.00       358.00       358.00
21                               market_count       140.00         7.00        11.00        84.00
25                                      Score        21.03        21.07        21.19        21.37

或者你可以这样做：

xtabs(values~i+ind,df3)

                                            ind
i                                             21.03  21.07  21.19  21.37
  3M Post-It Notes 1 ct./pk.                   0.00   0.00   0.00   0.00
  7Up Soft Drinks 12 oz. 12 ct./pk. 3/$10.00   0.15   0.15   0.15   0.15
  7Up Soft Drinks 12 oz. 12 ct./pk. 3/$11.00   0.06   0.06   0.06   0.06
  Charlottesville, VA                          0.00   0.00   0.00   1.00
  item_count                                 357.00 353.00 358.00 358.00
  market_count                               140.00   7.00  11.00  84.00
  Score                                       21.03  21.07  21.19  21.37

如果您需要以上内容作为 data.frame：

as.data.frame.matrix(xtabs(values~i+ind,df3))
                                            21.03  21.07  21.19  21.37
3M Post-It Notes 1 ct./pk.                   0.00   0.00   0.00   0.00
7Up Soft Drinks 12 oz. 12 ct./pk. 3/$10.00   0.15   0.15   0.15   0.15
7Up Soft Drinks 12 oz. 12 ct./pk. 3/$11.00   0.06   0.06   0.06   0.06
Charlottesville, VA                          0.00   0.00   0.00   1.00
item_count                                 357.00 353.00 358.00 358.00
market_count                               140.00   7.00  11.00  84.00
Score                                       21.03  21.07  21.19  21.37

使用data.table：

library(data.table)
dcast(setDT(melt(df))[,ind:=as.character(value[1]),by=variable][,
     c("i","variable"):=.(c(row(df)),NULL)][,sum(unique(value)),by=.(i,ind)],i~ind,value.var="V1")
No id variables; using all as measure variables
   i  21.03  21.07  21.19  21.37
1: 1  21.03  21.07  21.19  21.37
2: 2 357.00 353.00 358.00 358.00
3: 3 140.00   7.00  11.00  84.00
4: 4   0.00   0.00   0.00   0.00
5: 5   0.15   0.15   0.15   0.15
6: 6   0.06   0.06   0.06   0.06
7: 7   0.00   0.00   0.00   1.00

【讨论】：

【解决方案2】：

请看，有转位组合tapply 和merge。我删除了第三行（包含市场计数）以删除数据框中的非唯一行。

df2 <- as.data.frame(t(df))
x <- factor(df2$Score)
y <- tapply(df2$market_count, x, sum) 
ns <- names(y)
df3 <- data.frame(Score = ns, market_count_sum = y)
df4 <- unique(merge(df2[, -3], df3))
as.data.frame(t(df4))

【讨论】：

快到了！请参阅编辑的data.frame。当有超过 prod+3 的行时，结果数据帧的 ncol 与原始数据帧相同，而我在截断之后
抱歉，无法获取。你能详细说明一个例子吗？
抱歉，一审示例不完整。在新的 - 我需要对第 3 行和第 7 行求和，并将 DF 减少到只有 4 列，第 3 行和第 7 行作为具有相同分数的列的总和。这里的“7”只是为了这个例子，它确实达到了几万。所以，3, 7+ 是总和。 1-2, 4-6 在这里 - 保持原样