挣扎于如何组合数据框中的行组答案

【问题标题】：Struggling with how to combine groups of rows in a data frame挣扎于如何组合数据框中的行组
【发布时间】：2012-05-15 01:35:53
【问题描述】：

我有一个这样的数据框

product_id view_count purchase_count
1           11         1   
2           20         3
3           5          2
...

我想将其转换为一个表格，该表格按 view_count 分组，并对某个时间间隔的 purchase_count 求和。

view_count_range total_purchase_count
0-10                 45
10-20                65

这些 view_count_ranges 的大小是固定的。我将不胜感激有关如何对这样的范围进行分组的任何建议。

【问题讨论】：

标签： r dataframe data.table

【解决方案1】：

cut 是处理这类事情的便捷工具。这是一种方法：

#First make some data to work with 
#I suggest you do this in the future as it makes it 
#easier to provide you with assistance.
set.seed(10)
dat <- data.frame(product_id=1:15, view_count=sample(1:20, 15, replace=T), 
    purchase_count=sample(1:8, 15, replace=T))
dat   #look at the data

#now we can use cut and aggregate by this new variable we just created
dat$view_count_range <- with(dat, cut(view_count, c(0, 10, 20)))
aggregate(purchase_count~view_count_range, dat, sum)

产量：

  view_count_range purchase_count
1           (0,10]             39
2          (10,20]             31

【讨论】：

【解决方案2】：

扩展 Tyler 的答案并从他的示例 dat 开始，您可能会发现在 data.table 中编写这样的查询更容易、更快捷：

> require(data.table)
> DT = as.data.table(dat)

> DT[, sum(purchase_count), by=cut(view_count,c(0,10,20))]
         cut V1
[1,] (10,20] 31
[2,]  (0,10] 39

就是这样。就一行。易写易读。

注意它把 (10,20] 组放在第一位。这是因为默认情况下它保留了每个组首先出现在数据中的顺序（第一个 view_count 在这个数据集中是 11）。改为对组进行排序，将by 更改为keyby ：

> DT[, sum(purchase_count), keyby=cut(view_count,c(0,10,20))]
         cut V1
[1,]  (0,10] 39
[2,] (10,20] 31

并命名结果列：

> DT[,list( purchase_count = sum(purchase_count) ),
     keyby=list( view_count_range = cut(view_count,c(0,10,20) ))]
     view_count_range purchase_count
[1,]           (0,10]             39
[2,]          (10,20]             31

【讨论】：