r - data.frame 按列分组

Question

我有一个数据框 DF。

说DF是：

  A B
1 1 2
2 1 3
3 2 3
4 3 5
5 3 6 

现在我想将 A 列的行组合在一起，并得到 B 列的总和。

例如：

  A B
1 1 5
2 2 3
3 3 11

我目前正在使用带有 sqldf 函数的 SQL 查询来执行此操作。但由于某种原因，它非常缓慢。有没有更方便的方法来做到这一点？我也可以使用 for 循环手动完成，但速度又慢。我的 SQL 查询是“Select A,Count(B) from DF group by A”。

通常，每当我不使用矢量化操作并使用 for 循环时，即使对于单个过程，性能也会非常慢。

Answer 1

这是一个常见的问题。在基础中，您正在寻找的选项是aggregate. 假设您data.frame被称为“mydf”，您可以使用以下内容。

> aggregate(B ~ A, mydf, sum)
  A  B
1 1  5
2 2  3
3 3 11

我还建议查看“data.table”包。

> library(data.table)
> DT <- data.table(mydf)
> DT[, sum(B), by = A]
   A V1
1: 1  5
2: 2  3
3: 3 11

Answer 2

使用dplyr：

require(dplyr)    
df <- data.frame(A = c(1, 1, 2, 3, 3), B = c(2, 3, 3, 5, 6))
df %>% group_by(A) %>% summarise(B = sum(B))

## Source: local data frame [3 x 2]
## 
##   A  B
## 1 1  5
## 2 2  3
## 3 3 11

与sqldf：

library(sqldf)
sqldf('SELECT A, SUM(B) AS B FROM df GROUP BY A')

Answer 3

我建议看一下plyr包装。它可能不如 data.table 或其他包快，但它很有启发性，尤其是在从 R 开始并且必须进行一些数据操作时。

> DF <- data.frame(A = c("1", "1", "2", "3", "3"), B = c(2, 3, 3, 5, 6))
> library(plyr)
> DF.sum <- ddply(DF, c("A"), summarize, B = sum(B))
> DF.sum
  A  B
1 1  5
2 2  3
3 3 11

Answer 4

require(reshape2)

T <- melt(df, id = c("A"))

T <- dcast(T, A ~ variable, sum)

我不确定相对于总体的确切优势。