我在 R 中有一个非常大的数据框,并且想将其他列中每个不同值的两列相加,例如,假设我们在一天内有各种商店的交易数据框的数据,如下所示
shop <- data.frame('shop_id' = c(1, 1, 1, 2, 3, 3),
'shop_name' = c('Shop A', 'Shop A', 'Shop A', 'Shop B', 'Shop C', 'Shop C'),
'city' = c('London', 'London', 'London', 'Cardiff', 'Dublin', 'Dublin'),
'sale' = c(12, 5, 9, 15, 10, 18),
'profit' = c(3, 1, 3, 6, 5, 9))
这是:
shop_id shop_name city sale profit
1 Shop A London 12 3
1 Shop A London 5 1
1 Shop A London 9 3
2 Shop B Cardiff 15 6
3 Shop C Dublin 10 5
3 Shop C Dublin 18 9
我想总结每家商店的销售额和利润:
shop_id shop_name city sale profit
1 Shop A London 26 7
2 Shop B Cardiff 15 6
3 Shop C Dublin 28 14
我目前正在使用以下代码来执行此操作:
shop_day <-ddply(shop, "shop_id", transform, sale=sum(sale), profit=sum(profit))
shop_day <- subset(shop_day, !duplicated(shop_id))
它工作得很好,但正如我所说,我的数据框很大(140,000 行,37 列和近 100,000 个唯一行,我想求和)并且我的代码需要很长时间才能运行,然后最终说它已经耗尽内存。
有谁知道最有效的方法来做到这一点。
提前致谢!