web-dev-qa-db-ja.com

data.frame Group By列

データフレームDFがあります。

DFとは：

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

ここで、列Aで行を結合し、列Bの合計を取得します。

例えば：

  A B
1 1 5
2 2 3
3 3 11

現在、sqldf関数でSQLクエリを使用してこれを行っています。しかし、何らかの理由でそれは非常に遅いです。もっと便利な方法はありますか？ forループを使用して手動で行うこともできますが、再び遅くなります。私のSQLクエリは「AでDFグループからA、Count（B）を選択」です。

一般に、ベクトル化された操作を使用せず、forループを使用する場合は常に、単一のプロシージャであってもパフォーマンスが非常に遅くなります。

raggregate
60
nikosdi

これはよくある質問です。基本的に、探しているオプションはaggregateです。 data.frameが「mydf」と呼ばれると仮定すると、次を使用できます。

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

また、「data.table」パッケージを調べることをお勧めします。

> library(data.table)
> DT <- data.table(mydf)
> DT[, sum(B), by = A]
   A V1
1: 1  5
2: 2  3
3: 3 11
94
A5C1D2H2I1M1N2O1R2T1

dplyrを使用：

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

sqldfの場合：

library(sqldf)
sqldf('SELECT A, SUM(B) AS B FROM df GROUP BY A')
21
mpalanco

plyrパッケージをご覧になることをお勧めします。 data.tableや他のパッケージほど高速ではないかもしれませんが、特にRから始めてデータ操作をしなければならない場合は、非常に有益です。

> 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
9
r0bert
require(reshape2)

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

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

集計に対する正確な利点は確かではありません。

4
Soc