Tổng hợp các hàng dựa trên các kết hợp yếu tố cụ thể

Question

Đây có thể là một câu hỏi ngớ ngẩn, nhưng tôi đã đọc qua chương của Crawley về các khung dữ liệu và quét internet và vẫn chưa thể thực hiện bất kỳ điều gì.

Đây là một tập dữ liệu mẫu tương tự như tôi:

> data<-data.frame(site=c("A","A","A","A","B","B"), plant=c("buttercup","buttercup", 
"buttercup","rose","buttercup","rose"), treatment=c(1,1,2,1,1,1), 
plant_numb=c(1,1,2,1,1,2), fruits=c(1,2,1,4,3,2),seeds=c(45,67,32,43,13,25)) 
> data 
    site  plant treatment plant_numb fruits seeds 
1 A buttercup   1   1  1 45 
2 A buttercup   1   1  2 67 
3 A buttercup   2   2  1 32 
4 A  rose   1   1  4 43 
5 B buttercup   1   1  3 13 
6 B  rose   1   2  2 25 

Những gì tôi muốn làm là tạo ra một kịch bản mà "hạt giống" và "trái cây" được tóm tắt bất cứ khi nào độc đáo trang web & cây & điều trị & plant_numb kết hợp hiện hữu. Lý tưởng nhất, điều này sẽ dẫn đến việc giảm lượng hàng, nhưng một bảo quản các cột gốc (tức là tôi cần những ví dụ trên để trông như thế này :)

site  plant treatment plant_numb fruits seeds 
1 A buttercup   1   1  3 112 
2 A buttercup   2   2  1 32 
3 A  rose   1   1  4 43 
4 B buttercup   1   1  3 13 
5 B  rose   1   2  2 25 

Ví dụ này là khá cơ bản (bộ dữ liệu của tôi là ~ 5000 hàng), và mặc dù ở đây bạn chỉ thấy hai hàng được yêu cầu để được tổng hợp, số hàng cần phải được tổng hợp khác nhau, và nằm trong khoảng từ 1 đến ~ 45.

Tôi đã thử rowsum() và tapply() với kết quả khá ảm đạm (các lỗi cho tôi biết rằng các hàm này không có ý nghĩa cho các yếu tố), vì vậy nếu bạn thậm chí có thể chỉ cho tôi đúng hướng, tôi rất nhiều sẽ đánh giá cao nó!

Cảm ơn bạn rất nhiều!

Answer 1

Hy vọng rằng mã sau khá tự giải thích. Nó sử dụng chức năng cơ bản "tổng hợp" và về cơ bản này là nói cho mỗi sự kết hợp độc đáo của trang web, thực vật, điều trị, và plant_num nhìn vào tổng của các loại trái cây và tổng của hạt giống.

# Load your data 
data <- data.frame(site=c("A","A","A","A","B","B"), plant=c("buttercup","buttercup", 
"buttercup","rose","buttercup","rose"), treatment=c(1,1,2,1,1,1), 
plant_numb=c(1,1,2,1,1,2), fruits=c(1,2,1,4,3,2),seeds=c(45,67,32,43,13,25)) 

# Summarize your data 
aggregate(cbind(fruits, seeds) ~ 
     site + plant + treatment + plant_numb, 
     sum, 
     data = data) 
# site  plant treatment plant_numb fruits seeds 
#1 A buttercup   1   1  3 112 
#2 B buttercup   1   1  3 13 
#3 A  rose   1   1  4 43 
#4 B  rose   1   2  2 25 
#5 A buttercup   2   2  1 32 

Thứ tự của các hàng thay đổi (và được sắp xếp theo trang web, nhà máy, ...) nhưng hy vọng không quá quan tâm.

Một cách khác để thực hiện việc này là sử dụng ddply từ gói plyr.

library(plyr) 
ddply(data, .(site, plant, treatment, plant_numb), 
     summarize, 
     fruits = sum(fruits), 
     seeds = sum(seeds)) 
# site  plant treatment plant_numb fruits seeds 
#1 A buttercup   1   1  3 112 
#2 A buttercup   2   2  1 32 
#3 A  rose   1   1  4 43 
#4 B buttercup   1   1  3 13 
#5 B  rose   1   2  2 25 

Answer 2

Và để hoàn thành, đây là giải pháp data.table, theo đề xuất của @Chase. Đối với các tập dữ liệu lớn hơn này có lẽ sẽ là phương pháp nhanh nhất:

library(data.table) 
data.dt <- data.table(data) 
setkey(data.dt, site) 
data.dt[, lapply(.SD, sum), by = list(site, plant, treatment, plant_numb)] 

    site  plant treatment plant_numb fruits seeds 
[1,] A buttercup   1   1  3 112 
[2,] A buttercup   2   2  1 32 
[3,] A  rose   1   1  4 43 
[4,] B buttercup   1   1  3 13 
[5,] B  rose   1   2  2 25 

Phần lapply(.SD, sum) tóm tắt tất cả các cột của bạn mà không phải là một phần của tập nhóm (. Tức là cột không trong by chức năng)