r - dplyr group_by 超过两列的元素

Question

我的数据集的简化版本可以通过以下方式复制:

df <- data.frame(buyer = c("A","C","B"),
                 seller = c("B","D","E"),
                 amount = c(1,2,3))

我正在寻找一个最好的 dplyr 解决方案来实现以下目标。

buyer          seller       amount
  A              B           1
  C              D           2
  B              E           3

应该为每个代理(A、B、C、D、E)生成一个分组摘要

output
agent     total_amount
  A        1
  B        4 #(=1+3)
  C        2
  D        2

我可以为买家和卖家分组，然后添加结果，但这并不优雅，而且有些麻烦。

library(dplyr)
res_b <- df %>%
      group_by(buyer) %>%
      summarise(total_amount=sum(amount))
res_s <- df %>%
      group_by(seller) %>%
      summarise(total_amount=sum(amount))

感谢任何帮助。显然也欢迎其他解决方案(不在 tidyverse 中)。

编辑:应该说我的原始数据集大约有 60 百万个观察值。

Answer 1

我们可以先转换为长格式，然后做一个简单的聚合，即

library(tidyverse)

df %>% 
 gather(var, agent, -amount) %>% 
 group_by(agent) %>% 
 summarise(total_amount = sum(amount))

这给出了，

# A tibble: 5 x 2
  agent   total_amount
  <chr>          <dbl>
1 A                1
2 B                4
3 C                2
4 D                2
5 E                3

您可以尝试使用 data.table 来提高效率。这里直接翻译上面的tidyverse代码，

library(data.table)

dt1 <- setDT(df)
melt(dt1, measure.vars = c('buyer', 'seller'), id.vars = 'amount', value.name = "agent"
     )[, .(total_amount = sum(amount)), by = agent][]
#   agent total_amount
#1:     A            1
#2:     C            2
#3:     B            4
#4:     D            2
#5:     E            3