Question

在使用R时，我经常对在data.frame上执行操作感兴趣，其中我通过组汇总变量，然后想要将这些汇总值添加回data.frame。这最容易通过示例显示：

myDF <- data.frame(A = runif(5), B = c("A", "A", "A", "B", "B"))
myDF$Total <- with(myDF, by(A, B, sum))[myDF$B]
myDF$Proportion <- with(myDF, A / Total)

产生：

          A B     Total Proportion
1 0.5272734 A 1.7186369  0.3067975
2 0.5105128 A 1.7186369  0.2970452
3 0.6808507 A 1.7186369  0.3961574
4 0.2892025 B 0.6667133  0.4337734
5 0.3775108 B 0.6667133  0.5662266

这个技巧 - 基本上得到一个命名值的向量，＆＃34;传播＆＃34;或者＆＃34;伸展＆＃34;它们按组划分相关行 - 通常有效，但class(myDF$Total)为"array"，除非我将by()放在c()内。

我想知道：

此操作是否有常用名称？
是否还有另外一种不那么hacky的感觉，和/或更快的方式？
有没有办法用dplyr执行此操作？也许有一个哈德利批准的动词操作（如变异，安排等），我不知道。我知道summarise()很容易，但我经常需要将这些摘要放回到data.frame中。

Answer 1

使用基础R这是一种“不太常见”的方法。

set.seed(1)
myDF <- data.frame(A = runif(5), B = c("A", "A", "A", "B", "B"))

within(myDF, {
  Total <- ave(A, B, FUN = sum)
  Proportion <- A/Total
})

#           A B Proportion    Total
# 1 0.2655087 A  0.2193406 1.210486
# 2 0.3721239 A  0.3074170 1.210486
# 3 0.5728534 A  0.4732425 1.210486
# 4 0.9082078 B  0.8182865 1.109890
# 5 0.2016819 B  0.1817135 1.109890

在“dplyr”语言中，我猜您正在寻找mutate：

myDF %>%
  group_by(B) %>%
  mutate(Total = sum(A), Proportion = A/Total)

# Source: local data frame [5 x 4]
# Groups: B
# 
#           A B    Total Proportion
# 1 0.2655087 A 1.210486  0.2193406
# 2 0.3721239 A 1.210486  0.3074170
# 3 0.5728534 A 1.210486  0.4732425
# 4 0.9082078 B 1.109890  0.8182865
# 5 0.2016819 B 1.109890  0.1817135

从"Introduction to dplyr" vignette，您会找到以下说明：

除了从现有列集中进行选择之外，添加作为现有列功能的新列通常很有用。这是mutate()的工作。 dplyr::mutate()的工作方式与plyr::mutate()相同，与base::transform()类似。 mutate()和transform()之间的主要区别在于mutate允许您引用刚刚创建的列。

此外，由于你已经标记了这个“data.table”，你可以很容易地在“data.table”中“链接”命令，以便做类似的事情：

DT <- data.table(myDF)
DT[, Total := sum(A), by = B][, Proportion := A/Total][]

按组“拉伸”跨行的汇总值

1 个答案: