提问者:小点点

聚合/折叠数据框


R中是否有“多合一”便利函数可以折叠/聚合数据框以解决多对多问题?动机是减少多对多关系,以便可以在某个主键(具有唯一标识符值的列)上联接两个或多个表。为了阐明这一点,请考虑一个数据框,例如:

set.seed(1) # for reproducibility
df <- data.frame(id = sort(rep(seq(1,3),4)), # primary key
           geo_loc = state.abb[sample(seq(1,length(state.name)), # state abbreviations
                           size=length(sort(rep(seq(1,3),4))), 
                           replace = TRUE)],
           revenue = c(sample(seq(0,50),size=3), sample(c(seq(101,200)),size=3),
                          sample(seq(201,300),size=4), sample(seq(301,1000),size=2)),
           prod_id = sample(LETTERS[c(seq(1,4))],size=12, replace=TRUE),
           quant = c(sample(seq(0,5),size=4), sample(c(seq(3,8)),size=4),
                        sample(seq(6,11),size=2), sample(seq(9,14),size=2))) ; df

   id geo_loc revenue prod_id quant
1   1      MN      47       D     0
2   1      MA      29       B     3
3   1      SD      50       B     4
4   1      NM     174       A     1
5   2      NC     136       D     6
6   2      LA     143       B     5
7   2      IN     215       C     8
8   2      WY     202       A     4
9   3      NY     271       A    10
10  3      HI     211       C     9
11  3      CT     613       C    10
12  3      MS     748       A    14

是否已经存在一个函数来折叠此表,以便每个唯一 id 只有一行?它必须将geo_locprod_id列转换为 k 级 - 1 个虚拟列。如果这样的函数可以允许根据分位数将收入自动聚类到多个块中,那也很好。


共1个答案

匿名用户

仅当有适当的分组变量时才进行聚合。例如,按< code>prod_id进行聚合更符合逻辑。

要执行这些数据整理和聚合操作,我个人建议使用tidyr包中的spread()gather(),以及dplyrpackage中的summary()group_by()。