r - 在 R 中逐个折叠数据

Question

我正在处理一个数据集，其中包含有关打击人口贩运组织的信息。这些组织由组织名称或组织主页的 Web 地址标识。我想根据具体情况有条件地折叠此数据框，以便留下一组唯一的标识符(对于我的数据，组织名称或组织的网址)对于每个案例以及这些案例的大约 1000 多个数字属性，这些属性是崩溃前标识符关联的许多行的最高值或最低值。为了举例说明这一点，我想转:

> df1
x      y     z
Item1  0     3
Item1  1     4
Item2  1     2
Item3  1     3
Item2  1     5
Item3  1     2
Item4  0     2

变成类似的东西

> df2
x     y      z
Item1  1     3
Item2  1     2
Item3  1     2
Item4  0     2

在这个例子中，当然，我想保留 Var2 的最大值和 Var3 的最小值，并且只保留唯一的 Var1 值。

谁能建议一种针对大型数据集执行此操作的系统方法？预先感谢您的帮助!

Answer 1

一种选择是使用 plyr 包:

library(plyr)
ddply(df, .(x), summarize, y=max(y), z=min(z))
      x y z
1 Item1 1 3
2 Item2 1 2
3 Item3 1 2
4 Item4 0 2

或者，同样简单的是包 data.table。如果您的数据非常大，此选项可能会快得多。

library(data.table)
data.table(df)[, list(y=max(y), z=min(z)), by=x]
       x y z
1: Item1 1 3
2: Item2 1 2
3: Item3 1 2
4: Item4 0 2