我已经发布了我正在使用的数据示例 here .
“Parcel..”是主要索引变量,并且有大量重复项。所有其他列中的重复项不一致。我的目标是聚合数据集,以便每个地 block 只有一个观察结果。 我使用以下代码来尝试对数值向量求和:
聚合(Ap.sample$X.11~Ap.sample$Parcel..,FUN=sum)
问题是它删除了除了包裹和我引用的其他向量之外的所有内容。
我的目标是对parcelID的观测值的某些数值向量(总和)(X.11,X.13,X.15,num_units)使用相同的规则,对其他数值向量使用不同的规则(平均值)( Acres,Ttl_sq_ft,Mtr.Size),并且对于字符变量仍然有不同的规则(只需选择一个名称)(假设还有另一列“customer.name”,其相同唯一地 block ID 的不同值,即“Steven 公寓”和“斯蒂芬公寓”),并删除所有其他变量的额外观察结果。
我尝试使用 numcolwise
函数,但这也不能满足我的需要。
我的直觉是指定我想要求和的列以及我想要取平均值的列,如下所示:
DT<-as.data.table(Ap.sample)
sum_cols<-Ap.05[,c(10,12,14)]
mean_cols<-Ap.05[,c(17:19)]
然后使用lapply
函数遍历每个观察结果并执行我需要的操作。
df05<-DT[,lapply(.SD,sum), by=DT$Parcel..,.SDcols=sum_cols]
df05<-DT[,lapply(.SD,mean),by=DT$Parcel..,.SDcols=mean_cols]
但是第一次就会出现错误。我知道有一个比强行解决这个问题更简单的解决办法。
最佳答案
你可以这样做:
library(dplyr)
df %>%
# create an hypothetical "customer.name" column
mutate(customer.name = sample(LETTERS[1:10], size = n(), replace = TRUE)) %>%
# group data by "Parcel.."
group_by(Parcel..) %>%
# apply sum() to the selected columns
mutate_each(funs(sum(.)), one_of("X.11", "X.13", "X.15", "num_units")) %>%
# likewise for mean()
mutate_each(funs(mean(.)), one_of("Acres", "Ttl_sq_ft", "Mtr.Size")) %>%
# select only the desired columns
select(X.11, X.13, X.15, num_units, Acres, Ttl_sq_ft, Mtr.Size, customer.name) %>%
# de-duplicate while keeping an arbitrary value (the first one in row order)
distinct(Parcel..)
关于删除并聚合重复项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30249186/