我有一个有两列的数据帧。第一列包含类别，如“第一”，“第二”，“第三”，第二列有数字，表示我从“类别”中看到特定组的次数。
例如:
Category Frequency
First 10
First 15
First 5
Second 2
Third 14
Third 20
Second 3
我想按类别对数据进行排序，并将所有频率相加:
Category Frequency
First 30
Second 5
Third 34
在R中怎么做呢?
当前回答
可以使用rowsum函数来计算频率。
data("mtcars")
df <- mtcars
df$cyl <- as.factor(df$cyl)
头部看起来如下:
wt mpg cyl
<dbl> <dbl> <fct>
Mazda RX4 2.620 21.0 6
Mazda RX4 Wag 2.875 21.0 6
Datsun 710 2.320 22.8 4
然后,
rowsum(df$mpg, df$cyl) #values , group
4 293.3
6 138.2
8 211.4
其他回答
再加上第三个选项:
require(doBy)
summaryBy(Frequency~Category, data=yourdataframe, FUN=sum)
编辑:这是一个非常古老的答案。现在，我建议使用group_by和来自dplyr的summarise，如@docendo answer。
你可以用函数群。sum来自包Rfast。
Category <- Rfast::as_integer(Category,result.sort=FALSE) # convert character to numeric. R's as.numeric produce NAs.
result <- Rfast::group.sum(Frequency,Category)
names(result) <- Rfast::Sort(unique(Category)
# 30 5 34
Rfast有许多组函数和组。和就是其中之一。
library(plyr)
ddply(tbl, .(Category), summarise, sum = sum(Frequency))
当你需要在不同的列上应用不同的聚合函数(并且你必须/想要坚持以R为基底)时，我发现它非常有用(并且有效):
e.g.
假设输入如下:
DF <-
data.frame(Categ1=factor(c('A','A','B','B','A','B','A')),
Categ2=factor(c('X','Y','X','X','X','Y','Y')),
Samples=c(1,2,4,3,5,6,7),
Freq=c(10,30,45,55,80,65,50))
> DF
Categ1 Categ2 Samples Freq
1 A X 1 10
2 A Y 2 30
3 B X 4 45
4 B X 3 55
5 A X 5 80
6 B Y 6 65
7 A Y 7 50
我们要按1类和2类进行分组，并计算Freq的样本和均值。 下面是使用ave的一个可能的解决方案:
# create a copy of DF (only the grouping columns)
DF2 <- DF[,c('Categ1','Categ2')]
# add sum of Samples by Categ1,Categ2 to DF2
# (ave repeats the sum of the group for each row in the same group)
DF2$GroupTotSamples <- ave(DF$Samples,DF2,FUN=sum)
# add mean of Freq by Categ1,Categ2 to DF2
# (ave repeats the mean of the group for each row in the same group)
DF2$GroupAvgFreq <- ave(DF$Freq,DF2,FUN=mean)
# remove the duplicates (keep only one row for each group)
DF2 <- DF2[!duplicated(DF2),]
结果:
> DF2
Categ1 Categ2 GroupTotSamples GroupAvgFreq
1 A X 6 45
2 A Y 9 40
3 B X 7 50
6 B Y 6 65
虽然我最近对大多数这些类型的操作都转换为dplyr，但sqldf包对于某些事情仍然非常好(恕我直言，可读性更强)。
下面是一个示例，说明如何使用sqldf回答这个问题
x <- data.frame(Category=factor(c("First", "First", "First", "Second",
"Third", "Third", "Second")),
Frequency=c(10,15,5,2,14,20,3))
sqldf("select
Category
,sum(Frequency) as Frequency
from x
group by
Category")
## Category Frequency
## 1 First 30
## 2 Second 5
## 3 Third 34
