2列のデータフレームがあります。最初の列には「First」、「Second」、「Third」などのカテゴリが含まれ、2番目の列には「Category」の特定のグループを見た回数を表す数字が含まれています。
例えば：
Category Frequency
First 10
First 15
First 5
Second 2
Third 14
Third 20
Second 3
データをカテゴリ別に並べ替えて、すべての頻度を合計したいと思います。
Category Frequency
First 30
Second 5
Third 34
Rでこれをどのように行うのですか？
使用aggregate：
aggregate(x$Frequency, by=list(Category=x$Category), FUN=sum)
Category x
1 First 30
2 Second 5
3 Third 34
上記の例では、で複数のディメンションを指定できますlist。同じデータ型の複数の集約されたメトリックは、次の方法で組み込むことができますcbind。
aggregate(cbind(x$Frequency, x$Metric2, x$Metric3) ...
（@thelatemailコメントを埋め込む）、aggregate数式インターフェイスもあります
aggregate(Frequency ~ Category, x, sum)
.または、複数の列を集約する場合は、表記を使用できます（1つの列でも機能します）
aggregate(. ~ Category, x, sum)
またはtapply：
tapply(x$Frequency, x$Category, FUN=sum)
First Second Third
30 5 34
このデータの使用：
x <- data.frame(Category=factor(c("First", "First", "First", "Second",
"Third", "Third", "Second")),
Frequency=c(10,15,5,2,14,20,3))
その目的でdplyrパッケージを使用することもできます。
library(dplyr)
x %>%
group_by(Category) %>%
summarise(Frequency = sum(Frequency))
#Source: local data frame [3 x 2]
#
# Category Frequency
#1 First 30
#2 Second 5
#3 Third 34
または、複数の要約列の場合（1つの列でも機能します）：
x %>%
group_by(Category) %>%
summarise(across(everything(), sum))
組み込みのデータセットを使用してdplyr関数を使用し、グループごとにデータを要約する方法の例を次に示しますmtcars。
# several summary columns with arbitrary names
mtcars %>%
group_by(cyl, gear) %>% # multiple group columns
summarise(max_hp = max(hp), mean_mpg = mean(mpg)) # multiple summary columns
# summarise all columns except grouping columns using "sum"
mtcars %>%
group_by(cyl) %>%
summarise(across(everything(), sum))
# summarise all columns except grouping columns using "sum" and "mean"
mtcars %>%
group_by(cyl) %>%
summarise(across(everything(), list(mean = mean, sum = sum)))
# multiple grouping columns
mtcars %>%
group_by(cyl, gear) %>%
summarise(across(everything(), list(mean = mean, sum = sum)))
# summarise specific variables, not all
mtcars %>%
group_by(cyl, gear) %>%
summarise(across(c(qsec, mpg, wt), list(mean = mean, sum = sum)))
# summarise specific variables (numeric columns except grouping columns)
mtcars %>%
group_by(gear) %>%
summarise(across(where(is.numeric), list(mean = mean, sum = sum)))
%>%演算子を含む詳細については、 dplyrの概要を参照してください。
rcsが提供する答えは機能し、簡単です。ただし、より大きなデータセットを処理していて、パフォーマンスを向上させる必要がある場合は、より高速な代替手段があります。
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
data.frameと上記を使用して同じものと比較してみましょう。
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$Category), FUN=sum))
# user system elapsed
# 0.008 0.000 0.015
また、列を保持したい場合、これは構文です。
data[,list(Frequency=sum(Frequency)),by=Category]
# Category Frequency
# 1: First 30
# 2: Second 5
# 3: Third 34
以下のコードが示すように、データセットが大きいほど違いはより顕著になります。
data = data.table(Category=rep(c("First", "Second", "Third"), 100000),
Frequency=rnorm(100000))
system.time( data[,sum(Frequency),by=Category] )
# user system elapsed
# 0.055 0.004 0.059
data = data.frame(Category=rep(c("First", "Second", "Third"), 100000),
Frequency=rnorm(100000))
system.time( aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum) )
# user system elapsed
# 0.287 0.010 0.296
lapply複数の集計の場合、.SD次のように組み合わせることができます
data[, lapply(.SD, sum), by = Category]
# Category Frequency
# 1: First 30
# 2: Second 5
# 3: Third 34
by（）関数を使用することもできます。
x2 <- by(x$Frequency, x$Category, sum)
do.call(rbind,as.list(x2))
これらの他のパッケージ（plyr、reshape）には、data.frameを返すという利点がありますが、by（）は基本関数であるため、よく知っておく価値があります。
数年後、何らかの理由でここに存在しない別の単純なベースRソリューションを追加するだけです-xtabs
xtabs(Frequency ~ Category, df)
# Category
# First Second Third
# 30 5 34
またはあなたがdata.frame戻って欲しいなら
as.data.frame(xtabs(Frequency ~ Category, df))
# Category Freq
# 1 First 30
# 2 Second 5
# 3 Third 34
library(plyr)
ddply(tbl, .(Category), summarise, sum = sum(Frequency))
がデータを含むデータフレームの場合x、次のようになります。
require(reshape)
recast(x, Category ~ ., fun.aggregate=sum)
私は最近dplyr、これらのタイプの操作のほとんどの変換になりましたが、sqldfパッケージはまだいくつかの点で本当に素晴らしいです（そして私見はより読みやすくなっています）。
この質問に次のように答える方法の例を次に示します。sqldf
x <- data.frame(Category=factor(c("First", "First", "First", "Second",
"Third", "Third", "Second")),
Frequency=c(10,15,5,2,14,20,3))
sqldf("select
Category
,sum(Frequency) as Frequency
from x
group by
Category")
## Category Frequency
## 1 First 30
## 2 Second 5
## 3 Third 34
3番目のオプションを追加するだけです。
require(doBy)
summaryBy(Frequency~Category, data=yourdataframe, FUN=sum)
編集：これは非常に古い答えです。@docendo answerのように、group_byとsummariseからの使用をお勧めします。dplyr
行列またはデータフレーム内のグループごとの合計を返し、短くて高速な別のソリューション：
rowsum(x$Frequency, x$Category)
aveさまざまな列にさまざまな集計関数を適用する必要がある場合（そしてベースRに固執する必要がある/したい場合）に非常に役立ちます（そして効率的です）：
例えば
この入力を考えると：
DF <-
data.frame(Categ1=factor(c('A','A','B','B','A','B','A')),
Categ2=factor(c('X','Y','X','X','X','Y','Y')),
Samples=c(1,2,4,3,5,6,7),
Freq=c(10,30,45,55,80,65,50))
> DF
Categ1 Categ2 Samples Freq
1 A X 1 10
2 A Y 2 30
3 B X 4 45
4 B X 3 55
5 A X 5 80
6 B Y 6 65
7 A Y 7 50
とでグループ化しCateg1、Categ2の合計Samplesと平均を計算しFreqます。
以下を使用して考えられる解決策は次のaveとおりです。
# create a copy of DF (only the grouping columns)
DF2 <- DF[,c('Categ1','Categ2')]
# add sum of Samples by Categ1,Categ2 to DF2
# (ave repeats the sum of the group for each row in the same group)
DF2$GroupTotSamples <- ave(DF$Samples,DF2,FUN=sum)
# add mean of Freq by Categ1,Categ2 to DF2
# (ave repeats the mean of the group for each row in the same group)
DF2$GroupAvgFreq <- ave(DF$Freq,DF2,FUN=mean)
# remove the duplicates (keep only one row for each group)
DF2 <- DF2[!duplicated(DF2),]
結果 ：
> DF2
Categ1 Categ2 GroupTotSamples GroupAvgFreq
1 A X 6 45
2 A Y 9 40
3 B X 7 50
6 B Y 6 65
なのでdplyr 1.0.0、このacross()関数を使用できます。
df %>%
group_by(Category) %>%
summarise(across(Frequency, sum))
Category Frequency
<chr> <int>
1 First 30
2 Second 5
3 Third 34
複数の変数に関心がある場合：
df %>%
group_by(Category) %>%
summarise(across(c(Frequency, Frequency2), sum))
Category Frequency Frequency2
<chr> <int> <int>
1 First 30 55
2 Second 5 29
3 Third 34 190
そして、selectヘルパーを使用した変数の選択：
df %>%
group_by(Category) %>%
summarise(across(starts_with("Freq"), sum))
Category Frequency Frequency2 Frequency3
<chr> <int> <int> <dbl>
1 First 30 55 110
2 Second 5 29 58
3 Third 34 190 380
サンプルデータ：
df <- read.table(text = "Category Frequency Frequency2 Frequency3
1 First 10 10 20
2 First 15 30 60
3 First 5 15 30
4 Second 2 8 16
5 Third 14 70 140
6 Third 20 120 240
7 Second 3 21 42",
header = TRUE,
stringsAsFactors = FALSE)
パッケージRfastの関数group.sumを使用できます。
Category <- Rfast::as_integer(Category,result.sort=FALSE) # convert character to numeric. R's as.numeric produce NAs.
result <- Rfast::group.sum(Frequency,Category)
names(result) <- Rfast::Sort(unique(Category)
# 30 5 34
Rfastには多くのグループ機能group.sumがあり、そのうちの1つです。
castの代わりに使用recast（注'Frequency'は現在'value'）
df <- data.frame(Category = c("First","First","First","Second","Third","Third","Second")
, value = c(10,15,5,2,14,20,3))
install.packages("reshape")
result<-cast(df, Category ~ . ,fun.aggregate=sum)
取得するため：
Category (all)
First 30
Second 5
Third 34
library(tidyverse)
x <- data.frame(Category= c('First', 'First', 'First', 'Second', 'Third', 'Third', 'Second'),
Frequency = c(10, 15, 5, 2, 14, 20, 3))
count(x, Category, wt = Frequency)