R语言：应该使用R ave函数还是apply函数？如何快速地添加多个列，这些列都包含分层变量的函数值。

Question

在R中：

我不确定这个问题的正确标题是什么，所以希望有人可以帮我一下。非常感谢。如果这个问题很容易搜索到，请原谅我。

我有一个不规则数组矩阵（多个UPCS）。

       [upc]    [quantity1]   [quantity2]    [sum1]       [sum2]
[1]  123         11               3              NA         NA   
[2]  123          2               1              NA        ...
[3]  789          5               3              NA 
[4]  456         10               6              NA 
[5]  789          6               2              NA         NA

我希望利用UPC求和矩阵，例如：

       [upc]    [quantity1]   [quantity2]    [sum1]       [sum2]
[1]  123         11               3              13         4   
[2]  123          2               1              13         4
[3]  789          5               3              11         5
[4]  456         10               6              10         6
[5]  789          6               2              11         5

感谢您的时间和帮助。

关键在于需要以最高效的方式完成，因为这将被多次执行。

- wolfsatthedoor

---

“day”列在哪里？你按什么分组？ - Robert Krzyzanowski

抱歉，忘记了日期，只是通过 UPC。 - wolfsatthedoor

Answer 1

如果这些内容在一个data.frame中，通常以相同分组变量应用相同函数的方法是使用aggregate函数，但它不像ave那样运作，并且返回结果较短。我怀疑它的速度不如使用data.table，dplyr函数或Rcpp方法快。

aggregate( df[ , 2:3], df[1], sum)

这是使用data.table的方法：

这是使用 data.table 的方法：

library(data.table)
dt <- data.table(df)
setkey(dt, "upc")
# To show you what the inner expression would return
 dt[, lapply(.SD, sum), by="upc"]
#-----------    
upc quantity1 quantity2
1: 123        13         4
2: 456        10         6
3: 789        11         5
#-----------    
 dt[ dt[, lapply(.SD, sum), by="upc"] ]   # It is a self join operation
   upc quantity1 quantity2 quantity1.1 quantity2.1
1: 123        11         3          13           4
2: 123         2         1          13           4
3: 456        10         6          10           6
4: 789         5         3          11           5
5: 789         6         2          11           5

然后回到效率较低的data.frame方法......为了使得第一个参数与源列相邻，您需要通过upc进行合并：merge

> merge(df, aggregate( df[ , 2:3], df[1], sum), by="upc")
  upc quantity1.x quantity2.x quantity1.y quantity2.y
1 123          11           3          13           4
2 123           2           1          13           4
3 456          10           6          10           6
4 789           5           3          11           5
5 789           6           2          11           5

- IRTFM

---

这也适用于 data.table：dt[, paste0(names(dt)[-1], "_sum") := lapply(.SD, sum), by = upc] - G. Grothendieck

拥有目标名称向量的能力是一个明显的改进。我没有意识到 := 被设计成可以接受它。这进一步证明了我是一个 data.table 的初学者。 - IRTFM