R: Агрегирование данных по группам столбцов - изменение столбца со значениями для каждого наблюдения

#r #aggregate

#r #агрегировать

Вопрос:

У меня возникла проблема с агрегированием данных для категории данных, созданием нового столбца с суммой данных каждой категории для каждого наблюдения.

Я хотел бы получить следующие данные:

 PIN Balance
221 5000
221 2000
221 1000
554 4000
554 4500
643 6000
643 4000

Чтобы выглядеть как:

 PIN Balance Total
221 5000 8000
221 2000 8000
221 1000 8000
554 4000 8500
554 4500 8500
643 6000 10000
643 4000 10000

Я пытался использовать aggregate: output <- aggregate (df $ Balance ~ df $ PIN, data = df, sum), но не смог вернуть данные обратно в мой исходный набор данных, поскольку количество проверок было отключено.

Ответ №1:

Вы можете использовать dplyr , чтобы делать то, что вы хотите. Мы сначала group_by PIN , а затем создаем новый столбец, Total используя mutate , который является суммой сгруппированных Balance :

 library(dplyr)
res <- df %>% group_by(PIN) %>% mutate(Total=sum(Balance))

Использование ваших данных в качестве фрейма данных df :

 df <- structure(list(PIN = c(221L, 221L, 221L, 554L, 554L, 643L, 643L
), Balance = c(5000L, 2000L, 1000L, 4000L, 4500L, 6000L, 4000L
)), .Names = c("PIN", "Balance"), class = "data.frame", row.names = c(NA, 
-7L))
##  PIN Balance
##1 221    5000
##2 221    2000
##3 221    1000
##4 554    4000
##5 554    4500
##6 643    6000
##7 643    4000

Мы получаем ожидаемый результат:

 print(res)
##Source: local data frame [7 x 3]
##Groups: PIN [3]
##
##    PIN Balance Total
##  <int>   <int> <int>
##1   221    5000  8000
##2   221    2000  8000
##3   221    1000  8000
##4   554    4000  8500
##5   554    4500  8500
##6   643    6000 10000
##7   643    4000 10000

Или мы можем использовать data.table :

 library(data.table)
setDT(df)[,Table:=sum(Balance),by=PIN][]
##    PIN Balance Total
##1:  221    5000  8000
##2:  221    2000  8000
##3:  221    1000  8000
##4:  554    4000  8500
##5:  554    4500  8500
##6:  643    6000 10000
##7:  643    4000 10000

Ответ №2:

Рассмотрим базовое решение R с sapply() подходом с условной суммой:

 df <- read.table(text="PIN Balance
                 221 5000
                 221 2000
                 221 1000
                 554 4000
                 554 4500
                 643 6000
                 643 4000", header=TRUE)    

df$Total <- sapply(seq(nrow(df)), function(i){
  sum(df[df$PIN == df$PIN[i], c("Balance")])
}) 

#   PIN Balance Total
# 1 221    5000  8000
# 2 221    2000  8000
# 3 221    1000  8000
# 4 554    4000  8500
# 5 554    4500  8500
# 6 643    6000 10000
# 7 643    4000 10000