按多个列分组并求其他多个列的总和

Question

我有一个包含约200列的数据框，其中我想按前10个因子进行分组，并求其余列的总和。

我有要分组的所有列名列表和要聚合的所有列列表。

我需要的输出格式是相同的数据框，具有相同数量的列，只是已经分组在一起了。

是否可以使用data.table、plyr或其他任何包来解决问题？

- user1042267

Answer 1

data.table 的方式是：

DT[, lapply(.SD,sum), by=list(col1,col2,col3,...)]

或者

DT[, lapply(.SD,sum), by=colnames(DT)[1:10]]

其中.SD是(D)ata的子集，不包括组列。(顺便说一下：如果你需要泛指组列，它们在.BY中。)

- Matt Dowle

Answer 2

请看下面使用dplyr::across的更现代化的回答。

dplyr的方法是：

library(dplyr)
df %>%
  group_by(col1, col2, col3) %>%
  summarise_each(funs(sum))

您可以使用在?dplyr::select的帮助文件中提到的特殊函数进一步指定要汇总或排除的列，以便使用summarise_each。

- talat

Answer 3

在基础R中，这将是...

aggregate( as.matrix(df[,11:200]), as.list(df[,1:10]), FUN = sum)

编辑: 自从我写这篇文章以来，聚合函数已经取得了长足的进步。上述的转换已经不再必要。

aggregate( df[,11:200], df[,1:10], FUN = sum )

有很多种方法可以编写这个。假设前10列的名称为a1到a10，我喜欢以下方式，即使它有些啰嗦。

aggregate(. ~ a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9 + a10, data = dat, FUN = sum)

（您可以使用paste函数构造公式并使用formula）

- John

Answer 4

这似乎是使用ddply的一个任务（我使用包含在plyr中的“baseball”数据集）：

library(plyr)
groupColumns = c("year","team")
dataColumns = c("hr", "rbi","sb")
res = ddply(baseball, groupColumns, function(x) colSums(x[dataColumns]))
head(res)

这将为每个groupColumns计算在dataColumns中指定的列的总和。

- Paul Hiemstra

Answer 5

使用plyr::ddply:

library(plyr)
ddply(dtfr, .(name1, name2, namex), numcolwise(sum))

- Luciano Selzer

Answer 6

让我们来考虑这个例子：

df <- data.frame(a = 'a', b = c('a', 'a', 'b', 'b', 'b'), c = 1:5, d = 11:15,
                 stringsAsFactors = TRUE)

从dplyr 1.1.0版本开始更新

您可以使用pick来选择列 -

df %>% 
  group_by(pick(where(is.factor))) %>% 
  summarise(across(everything(), sum))

或者使用.by参数。

df %>% summarise(across(everything(), sum), .by = where(is.factor))

---

在 dplyr 1.1.0 之前， _all、_at 和 _if 动词现已被取代，我们现在使用 across 来对所有因子列进行分组，并对所有其他列求和，我们可以这样做：

library(dplyr)

df %>% 
   group_by(across(where(is.factor))) %>% 
   summarise(across(everything(), sum))

#  a     b         c     d
#  <fct> <fct> <int> <int>
#1 a     a         3    23
#2 a     b        12    42

将所有因子列分组并求和数值列：

df %>% 
  group_by(across(where(is.factor))) %>% 
  summarise(across(where(is.numeric), sum))

---

我们也可以通过位置来做，但是要小心数量，因为它不计算分组列。

df %>% group_by(across(1:2)) %>% summarise(across(1:2, sum))

- Ronak Shah

Answer 7

使用dplyr进行通用操作的另一种方法（不需要列的列表）是：

df %>% group_by_if(is.factor) %>% summarize_if(is.numeric,sum,na.rm = TRUE)

- Michael Johnson