Свернуть строки в кадре данных, используя R

У меня есть кадр данных в R, определяемый следующим образом:

кадр данных:

col 1 col 2 col 3 col4
200     AIG    8.5    12
800     AIG    8.1    20.1
500     A1B    20    50.5
800     A1B    12    30
120     A2M    1.6    8.5

dat <- structure(list(col1 = c(200, 800, 500, 800, 120), col2 = structure(c(3L, 
    3L, 1L, 1L, 2L), .Label = c("A1B", "A2M", "AIG"), class = "factor"), 
        col3 = c(8.5, 8.1, 20, 12, 1.6), col4 = c(12, 20.1, 50.5, 
        30, 8.5)), .Names = c("col1", "col2", "col3", "col4"), row.names = c(NA, 
    -5L), class = "data.frame")

Затем я хотел бы свернуть строки по id (в этом случае единственными идентификаторами являются A1G, A1B, A2M).
Col 1, я хотел бы свернуть его, добавив строки с одним и тем же идентификатором.
Col 2, я хотел бы свернуть его на каждый уникальный id
Col 3, я хотел бы свернуть его следующим образом: возьмите col1 * col3, добавьте их, а затем разделите их на сумму col1.
I.e., значение новой строки A1G должно быть (8.5 * 20 + 8.1 * 80)/(80 + 20). Aka средневзвешенное значение столбца 3, взвешенное значениями col1.
Col 4, я хотел бы взять максимальное значение.

Результирующий кадр данных должен выглядеть так:

column 1 column 2 column 3 column 4
800+200=1000     AIG    (8.5*200+8.1*800)/1000=8.18    max(12,20.1)=20.1
800+500=1300     AIB    (20*800+12*500)/1300=16.9    max(50.5, 30)=50.5
120     A2M    1.6    8.5

Любые предложения?

Ответ 1

Вот решение data.table, которое хорошо масштабируется для больших данных (скорость и эффективность памяти)

library(data.table)
DT <- data.table(dat, key="col2")
DT[, list(col1=sum(col1), 
          col3=sum(col1 * col3) / sum(col1), 
          col4=max(col4)), by=col2]
#   col2 col1     col3 col4
#1:  A1B 1300 15.07692 50.5
#2:  A2M  120  1.60000  8.5
#3:  AIG 1000  8.18000 20.1

Ответ 2

Решение в базе:

dat2<-do.call(rbind,
  by(dat,dat$col2, function(x) 
    with (x,
     data.frame(
       col1 = sum(col1),
       col3 = sum(col1 * col3) / sum(col1),
       col4 = max(col4)
     )
    )
  )
)
dat2$col2<-rownames(dat2)

#     col1     col3 col4 col2
# A1B 1300 15.07692 50.5  A1B
# A2M  120  1.60000  8.5  A2M
# AIG 1000  8.18000 20.1  AIG

Ответ 3

Использование пакета plyr:

library(plyr)
ddply(df, "col2", summarize, col1 = sum(col1),
                             col3 = sum(col1 * col3) / sum(col1),
                             col4 = max(col4))
#   col2 col1     col3 col4
# 1  A1B 1300 15.07692 50.5
# 2  A2M  120  1.60000  8.5
# 3  AIG 1000  8.18000 20.1

Ответ 4

Базовое решение, но мне нравится решение data.table:

dat[, 2] <- factor(dat[, 2], levels=unique(dat[, 2])) #in case not already ordered
L1 <- split(dat, dat$col2)                            #split into list by col2

funny <- function(x){                                 #function to calculate stuff
    x <- data.frame(x)
    c(col1=sum(x[,1]), col2=as.character(x[1, 2]), 
        col3=sum((x[, 3]*x[, 1]))/sum(x[, 1]),
        col4=max(x[,4]))
}

#apply function and wrap it up into dataframe
dat2 <- data.frame(do.call(rbind, lapply(L1, funny)), row.names=NULL) 
dat2[, -2] <- apply(dat2[, -2], 2, as.numeric)       #reapply classes    
dat2

#> dat2
#  col1 col2     col3 col4
#1 1000  AIG  8.18000 20.1
#2 1300  A1B 15.07692 50.5
#3  120  A2M  1.60000  8.5