web-dev-qa-db-ja.com

Rのグループごとの合計のddply

次のようなサンプルデータフレーム「データ」があります。

X            Y  Month   Year    income
2281205 228120  3   2011    1000
2281212 228121  9   2010    1100
2281213 228121  12  2010    900
2281214 228121  3   2011    9000
2281222 228122  6   2010    1111
2281223 228122  9   2010    3000
2281224 228122  12  2010    1889
2281225 228122  3   2011    778
2281243 228124  12  2010    1111
2281244 228124  3   2011    200
2281282 228128  9   2010    7889
2281283 228128  12  2010    2900
2281284 228128  3   2011    3400
2281302 228130  9   2010    1200
2281303 228130  12  2010    2000
2281304 228130  3   2011    1900
2281352 228135  9   2010    2300
2281353 228135  12  2010    1333
2281354 228135  3   2011    2340

Yごとに4つの観測値がある場合（たとえば、6か月の2281223の場合）、ddplyを使用して各Y（Xではない）の収入を計算します。 2010年9月12日、2011年3月）。観測値が4つ未満の場合（たとえばY = 228130の場合）、単純に無視します。上記の目的で、Rで次のコマンドを使用します。

require(plyr)
     # the data are in the data csv file
    data<-read.csv("data.csv")
    # convert Y (integers) into factors
    y<-as.factor(y)
    # get the count of each unique Y
    count<-ddply(data,.(Y), summarize, freq=length(Y))
    # get the sum of each unique Y 
    sum<-ddply(data,.(Y),summarize,tot=sum(income))
    # show the sum if number of observations for each Y is less than 4
    colbind<-cbind(count,sum)
    finalsum<-subset(colbind,freq>3)

私の出力は次のとおりです。

>colbind
       Y freq      Y   tot
1 228120    1 228120  1000
2 228121    3 228121 11000
3 228122    4 228122  6778
4 228124    2 228124  1311
5 228128    3 228128 14189
6 228130    3 228130  5100
7 228135    3 228135  5973
>finalsum
       Y freq    Y.1  tot
3 228122    4 228122 6778

上記のコードは機能しますが、多くの手順が必要です。したがって、上記のタスクを実行する簡単な方法があるかどうかを知りたいと思います（plyrパッケージを使用）。

rplyr
24
Metrics

コメントで指摘されているように、summarize内で複数の操作を実行できます。

これにより、コードがddply()の1行とサブセットの1行に削減されます。これは、[演算子で十分簡単です。

x <- ddply(data, .(Y), summarize, freq=length(Y), tot=sum(income))
x[x$freq > 3, ]

       Y freq  tot
3 228122    4 6778

data.tableパッケージを使用すると、これも非常に簡単です。

library(data.table)
data.table(data)[, list(freq=length(income), tot=sum(income)), by=Y][freq > 3]
        Y freq  tot
1: 228122    4 6778

実際、ベクトルの長さを計算する操作には、data.tableに独自のショートカットがあります-.Nショートカットを使用します。

data.table(data)[, list(freq=.N, tot=sum(income)), by=Y][freq > 3]
        Y freq  tot
1: 228122    4 6778
32
Andrie

パッケージdplyrはplyr::ddplyよりも高速でエレガントだと思います。

testData <- read.table(file = "clipboard",header = TRUE)
require(dplyr)
testData %>%
  group_by(Y) %>%
  summarise(total = sum(income),freq = n()) %>%
  filter(freq > 3)
18
HatMatrix