2列のデータフレームがあります。最初の列には「First」、「Second」、「Third」などのカテゴリが含まれ、2番目の列には「Category」から特定のグループを見た回数を表す数値が含まれています。
例えば：
Category Frequency
First 10
First 15
First 5
Second 2
Third 14
Third 20
Second 3データをカテゴリ別に並べ替え、すべての頻度を合計したい：
Category Frequency
First 30
Second 5
Third 34Rでこれをどのように実行しますか？
回答:
使用aggregate：
aggregate(x$Frequency, by=list(Category=x$Category), FUN=sum)
Category x
1 First 30
2 Second 5
3 Third 34上記の例では、複数の寸法をで指定できますlist。同じデータタイプの複数の集約メトリックは、を介して組み込むことができますcbind。
aggregate(cbind(x$Frequency, x$Metric2, x$Metric3) ...（@thelatemailコメントを埋め込む）、aggregate式インターフェースもあります
aggregate(Frequency ~ Category, x, sum)または、複数の列を集計する場合は、.表記法を使用できます（1つの列でも機能します）
aggregate(. ~ Category, x, sum)またはtapply：
tapply(x$Frequency, x$Category, FUN=sum)
First Second Third
30 5 34 このデータを使用する：
x <- data.frame(Category=factor(c("First", "First", "First", "Second",
"Third", "Third", "Second")),
Frequency=c(10,15,5,2,14,20,3))そのためにdplyrパッケージを使用することもできます。
library(dplyr)
x %>%
group_by(Category) %>%
summarise(Frequency = sum(Frequency))
#Source: local data frame [3 x 2]
#
# Category Frequency
#1 First 30
#2 Second 5
#3 Third 34または、複数の集計列の場合（1列でも機能します）：
x %>%
group_by(Category) %>%
summarise_all(funs(sum))組み込みのデータセットを使用してdplyr関数を使用し、グループごとにデータを要約する方法のいくつかの例を次に示しますmtcars。
# several summary columns with arbitrary names
mtcars %>%
group_by(cyl, gear) %>% # multiple group columns
summarise(max_hp = max(hp), mean_mpg = mean(mpg)) # multiple summary columns
# summarise all columns except grouping columns using "sum"
mtcars %>%
group_by(cyl) %>%
summarise_all(sum)
# summarise all columns except grouping columns using "sum" and "mean"
mtcars %>%
group_by(cyl) %>%
summarise_all(funs(sum, mean))
# multiple grouping columns
mtcars %>%
group_by(cyl, gear) %>%
summarise_all(funs(sum, mean))
# summarise specific variables, not all
mtcars %>%
group_by(cyl, gear) %>%
summarise_at(vars(qsec, mpg, wt), funs(sum, mean))
# summarise specific variables (numeric columns except grouping columns)
mtcars %>%
group_by(gear) %>%
summarise_if(is.numeric, funs(mean))%>%演算子を含む詳細については、dplyrの概要を参照してください。
funs()引数内に要約として適用する関数を指定できますsummarise_all（summarise_at、summarise_if）
rcsによって提供される答えは機能し、簡単です。ただし、より大きなデータセットを処理していてパフォーマンスの向上が必要な場合は、より高速な代替策があります。
library(data.table)
data = data.table(Category=c("First","First","First","Second","Third", "Third", "Second"),
Frequency=c(10,15,5,2,14,20,3))
data[, sum(Frequency), by = Category]
# Category V1
# 1: First 30
# 2: Second 5
# 3: Third 34
system.time(data[, sum(Frequency), by = Category] )
# user system elapsed
# 0.008 0.001 0.009 それをdata.frameと上記の上記を使用した同じものと比較してみましょう：
data = data.frame(Category=c("First","First","First","Second","Third", "Third", "Second"),
Frequency=c(10,15,5,2,14,20,3))
system.time(aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum))
# user system elapsed
# 0.008 0.000 0.015 そして、列を保持したい場合、これは構文です：
data[,list(Frequency=sum(Frequency)),by=Category]
# Category Frequency
# 1: First 30
# 2: Second 5
# 3: Third 34以下のコードが示すように、データセットが大きいほど違いが顕著になります。
data = data.table(Category=rep(c("First", "Second", "Third"), 100000),
Frequency=rnorm(100000))
system.time( data[,sum(Frequency),by=Category] )
# user system elapsed
# 0.055 0.004 0.059
data = data.frame(Category=rep(c("First", "Second", "Third"), 100000),
Frequency=rnorm(100000))
system.time( aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum) )
# user system elapsed
# 0.287 0.010 0.296 複数の集計のために、あなたは組み合わせることができますlapplyし、.SD次のように
data[, lapply(.SD, sum), by = Category]
# Category Frequency
# 1: First 30
# 2: Second 5
# 3: Third 34data[, sum(Frequency), by = Category]ます。関数の.N代わりに使用することができますsum()。data[, .N, by = Category]。ここで便利なチートシートは次のとおりです。s3.amazonaws.com/assets.datacamp.com/img/blog/...
数年後、何らかの理由でここに存在しない単純なベースRソリューションを追加するだけです。 xtabs
xtabs(Frequency ~ Category, df)
# Category
# First Second Third
# 30 5 34 またはあなたがdata.frame戻って欲しいなら
as.data.frame(xtabs(Frequency ~ Category, df))
# Category Freq
# 1 First 30
# 2 Second 5
# 3 Third 34私は最近dplyrこれらのタイプの操作のほとんどの改宗者になりましたが、sqldfパッケージはいくつかの点でまだ非常に優れています（そして、IMHOはより読みやすくなっています）。
この質問にどのように答えるかの例を次に示します sqldf
x <- data.frame(Category=factor(c("First", "First", "First", "Second",
"Third", "Third", "Second")),
Frequency=c(10,15,5,2,14,20,3))
sqldf("select
Category
,sum(Frequency) as Frequency
from x
group by
Category")
## Category Frequency
## 1 First 30
## 2 Second 5
## 3 Third 34見つけた ave、あなたが別の列に異なる集計関数を適用する必要がある場合に非常に有用（かつ効率的）（そして、あなたは/ベースRに固執したくなければなりません）：
例えば
この入力を考えると：
DF <-
data.frame(Categ1=factor(c('A','A','B','B','A','B','A')),
Categ2=factor(c('X','Y','X','X','X','Y','Y')),
Samples=c(1,2,4,3,5,6,7),
Freq=c(10,30,45,55,80,65,50))
> DF
Categ1 Categ2 Samples Freq
1 A X 1 10
2 A Y 2 30
3 B X 4 45
4 B X 3 55
5 A X 5 80
6 B Y 6 65
7 A Y 7 50私たちは、グループにしたいCateg1とCateg2の和を計算Samplesし、平均をFreq。
これが可能な解決策aveです：
# create a copy of DF (only the grouping columns)
DF2 <- DF[,c('Categ1','Categ2')]
# add sum of Samples by Categ1,Categ2 to DF2
# (ave repeats the sum of the group for each row in the same group)
DF2$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$Freq,DF2,FUN=mean)
# remove the duplicates (keep only one row for each group)
DF2 <- DF2[!duplicated(DF2),]結果：
> DF2
Categ1 Categ2 GroupTotSamples GroupAvgFreq
1 A X 6 45
2 A Y 9 40
3 B X 7 50
6 B Y 6 65Rfastパッケージの関数group.sumを使用できます。
Category <- Rfast::as_integer(Category,result.sort=FALSE) # convert character to numeric. R's as.numeric produce NAs.
result <- Rfast::group.sum(Frequency,Category)
names(result) <- Rfast::Sort(unique(Category)
# 30 5 34Rfastには多くのグループ関数がありgroup.sum、その1つです。
のcast代わりに使用recast（メモ'Frequency'は現在'value'）
df <- data.frame(Category = c("First","First","First","Second","Third","Third","Second")
, value = c(10,15,5,2,14,20,3))
install.packages("reshape")
result<-cast(df, Category ~ . ,fun.aggregate=sum)取得するため：
Category (all)
First 30
Second 5
Third 34マトリックスまたはデータフレーム内のグループごとに合計を返す別のソリューションは、短くて高速です。
rowsum(x$Frequency, x$Category)以降dplyr 1.0.0、across()関数を使用できます：
df %>%
group_by(Category) %>%
summarise(across(Frequency, sum))
Category Frequency
<chr> <int>
1 First 30
2 Second 5
3 Third 34複数の変数に興味がある場合：
df %>%
group_by(Category) %>%
summarise(across(c(Frequency, Frequency2), sum))
Category Frequency Frequency2
<chr> <int> <int>
1 First 30 55
2 Second 5 29
3 Third 34 190そして、選択ヘルパーを使用した変数の選択：
df %>%
group_by(Category) %>%
summarise(across(starts_with("Freq"), sum))
Category Frequency Frequency2 Frequency3
<chr> <int> <int> <dbl>
1 First 30 55 110
2 Second 5 29 58
3 Third 34 190 380サンプルデータ：
df <- read.table(text = "Category Frequency Frequency2 Frequency3
1 First 10 10 20
2 First 15 30 60
3 First 5 15 30
4 Second 2 8 16
5 Third 14 70 140
6 Third 20 120 240
7 Second 3 21 42",
header = TRUE,
stringsAsFactors = FALSE)
rowsumです。