Comment grouper des colonnes en somme dans la R

Question

Disons que j'ai deux colonnes de données. La première contient les catégories telles que "Première", "Deuxième", "Troisième", etc. La deuxième a des nombres qui représentent le nombre de fois que j'ai vu "la Première".

Par exemple:

Category     Frequency
First        10
First        15
First        5
Second       2
Third        14
Third        20
Second       3

Je veux trier les données par Catégorie et ajoutez les Fréquences:

Category     Frequency
First        30
Second       5
Third        34

Comment pourrais-je le faire dans la R? J'ai regardé le tri et fonctions d'ordre, mais je ne sais pas comment faire la somme des Fréquences avec les Catégories.

Answer 1

À l'aide de aggregate:

x <- data.frame(Category=factor(c("First", "First", "First", "Second",
                                  "Third", "Third", "Second")), 
                Frequency=c(10,15,5,2,14,20,3))
aggregate(x$Frequency, by=list(Category=x$Category), FUN=sum)
  Category  x
1    First 30
2   Second  5
3    Third 34

ou tapply:

tapply(x$Frequency, x$Category, FUN=sum)
 First Second  Third 
    30      5     34

Answer 2

La réponse fournie par rcs fonctionne et est simple. Toutefois, si vous êtes à la manipulation des plus grands ensembles de données et ont besoin d'un boost de performance il y a une meilleure solution:

> library(data.table)
> data = data.table(Category=c("First", "First", "First", "Second", "Third", "Third",   "Second"), Frequency=c(10,15,5,2,14,20,3))
> data[,sum(Frequency),by=Category]
   Category V1
1:    First 30
2:   Second  5
3:    Third 34
> system.time( data[,sum(Frequency),by=Category] )
     user    system   elapsed 
    0.008     0.001     0.009 

Nous allons les comparer à la même chose en utilisant des données.image ci-dessus:

> data = data.frame(Category=c("First", "First", "First", "Second", "Third", "Third", "Second"), Frequency=c(10,15,5,2,14,20,3))
> system.time( aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum) )
     user    system   elapsed 
    0.008     0.000     0.015 

Et si vous voulez garder la colonne c'est la syntaxe:

> data[,list(Frequency=sum(Frequency)),by=Category]
   Category Frequency
1:    First        30
2:   Second         5
3:    Third        34

La différence sera plus perceptible avec les plus grands ensembles de données, comme le code ci-dessous montre:

> data = data.table(Category=rep(c("First", "Second", "Third"), 100000), Frequency=rnorm(100000))
> system.time( data[,sum(Frequency),by=Category] )
     user    system   elapsed 
    0.055     0.004     0.059 
> data = data.frame(Category=rep(c("First", "Second", "Third"), 100000), Frequency=rnorm(100000))
> system.time( aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum) )
     user    system   elapsed 
    0.287     0.010     0.296 

Answer 3

C'est un peu liée à cette question.

Vous pouvez aussi simplement utiliser des le par() fonction:

x2 <- by(x$Frequency, x$Category, sum)
do.call(rbind,as.list(x2))

D'autres paquets (plyr, remodeler), bénéficient de la restitution de données.cadre, mais il vaut la peine d'être familier avec par() puisque c'est une fonction de base.

Answer 4

library(plyr)
ddply(tbl, .(Category), summarise, sum = sum(Frequency))

Answer 5

Juste pour ajouter une troisième option:

require(doBy)
summaryBy(Frequency~Category, data=yourdataframe, FUN=sum)