我有一个看起来像这样的数据集:
id1 id2 size
1 5400 5505 7
2 5033 5458 1
3 5452 2873 24
4 5452 5213 2
5 5452 4242 26
6 4823 4823 4
7 5505 5400 11
其中id1
和id2
是图中的唯一节点,而size
是指定给从id1
到id2
的有向边的值。这个数据集相当大(略多于200万行)。我想要做的是求和大小列,按id1
和id2
的无序节点对分组。例如,在第一行中,我们有id1=5400
和id2=5505
。数据框中存在另一行id1=5505
和id2=5400
。在分组数据中,这两行的大小列的总和将添加到单个行中。换句话说,我想总结一下我在(无序)(id1,id2)集合上的数据。我已经找到了一种方法,使用apply
和自定义函数来检查完整数据集中的反转列对,但这种方法非常缓慢。有没有人知道一种方法来做另一种方式,也许与plyr
或基础包中的东西会更有效?
一种方法是使用pmax
和pmin
以及id1
as创建额外的列。我会在这里使用id2
解决方案。
data.table
另一种方法:
require(data.table)
DT <- data.table(DF)
# Following mnel's suggestion, g1, g2 could be used directly in by
# and it could be even shortened by using `id1` and id2` as their names
DT.OUT <- DT[, list(size=sum(size)),
by=list(id1 = pmin(id1, id2), id2 = pmax(id1, id2))]
# id1 id2 size
# 1: 5400 5505 18
# 2: 5033 5458 1
# 3: 5452 2873 24
# 4: 5452 5213 2
# 5: 5452 4242 26
# 6: 4823 4823 4
我用R> library(igraph)
R> DF
id1 id2 size
1 5400 5505 7
2 5033 5458 1
3 5452 2873 24
4 5452 5213 2
5 5452 4242 26
6 4823 4823 4
7 5505 5400 11
R> g <- graph.data.frame(DF, directed=F)
R> g <- simplify(g, edge.attr.comb="sum", remove.loops=FALSE)
R> DF <- get.data.frame(g)
R> DF
id1 id2 size
1 5400 5505 18
2 5033 5458 1
3 5452 2873 24
4 5452 5213 2
5 5452 4242 26
6 4823 4823 4
函数的方法:
aggregate{stats}