R中的组/ bin / bucket数据，每桶获取计数和每个桶的值总和

Question

我想分组/分组/ bin数据：

C1             C2       C3
49488.01172    0.0512   54000
268221.1563    0.0128   34399
34775.96094    0.0128   54444
13046.98047    0.07241  61000
2121699.75     0.00453  78921
71155.09375    0.0181   13794
1369809.875    0.00453  12312
750            0.2048   43451
44943.82813    0.0362   49871
85585.04688    0.0362   18947
31090.10938    0.0362   13401
68550.40625    0.0181   14345

我想用C2值来实现它，但是我希望定义这些桶，例如<= 0.005，<=。010，<=。014等。正如您所看到的，分段将是不均匀的间隔。我想要每桶的C1计数以及每个桶的C1总和。

我不知道从哪里开始，因为我是一个相当新的R用户。有没有人愿意帮我弄清楚代码或指导我找一个能满足我需求的例子？

编辑：添加了另一列C3。我需要每桶的C3总和以及每桶的C1和数量

Answer 1

从评论中，“C2”似乎是“字符”列，%作为后缀。之前，创建一个组，使用%删除sub，转换为“numeric”（as.numeric）。通过使用函数transform(df,...)和cut（组桶/区间）和breaks（用于期望的组标签）参数创建变量“group”（labels）。创建组变量后，“group”的sum和“group”中元素的“count”可以使用来自“base R”的aggregate完成

df1 <-  transform(df, group=cut(as.numeric(sub('[%]', '', C2)), 
    breaks=c(-Inf,0.005, 0.010, 0.014, Inf),
      labels=c('<0.005', 0.005, 0.01, 0.014)))

 res <- do.call(data.frame,aggregate(C1~group, df1, 
        FUN=function(x) c(Count=length(x), Sum=sum(x))))

 dNew <- data.frame(group=levels(df1$group))
 merge(res, dNew, all=TRUE)
 #   group C1.Count    C1.Sum
 #1 <0.005        2 3491509.6
 #2  0.005       NA        NA
 #3   0.01        2  302997.1
 #4  0.014        8  364609.5

或者你可以使用data.table。 setDT将data.frame转换为data.table。使用by=指定“grouping”变量，并在list(中汇总/创建两个变量“Count”和“Sum”。 .N给出每个“组”中元素的数量。

 library(data.table)
  setDT(df1)[, list(Count=.N, Sum=sum(C1)), by=group][]

或者使用dplyr。 %>%将LHS与RHS参数连接起来并将它们链接在一起。使用group_by指定“group”变量，然后使用summarise_each或summarise获取相关列的汇总计数和sum。如果有多列，summarise_each会很有用。

 library(dplyr)
 df1 %>%
      group_by(group) %>% 
      summarise_each(funs(n(), Sum=sum(.)), C1)

Update

使用新数据集df

df1 <- transform(df, group=cut(C2,  breaks=c(-Inf,0.005, 0.010, 0.014, Inf),
                             labels=c('<0.005', 0.005, 0.01, 0.014)))

res <- do.call(data.frame,aggregate(cbind(C1,C3)~group, df1, 
       FUN=function(x) c(Count=length(x), Sum=sum(x))))
res
#  group C1.Count    C1.Sum C3.Count C3.Sum
#1 <0.005        2 3491509.6        2  91233
#2   0.01        2  302997.1        2  88843
#3  0.014        8  364609.5        8 268809

如上所述，你可以做merge。

除了指定附加变量之外，dplyr方法是相同的

 df1%>%
      group_by(group) %>%
       summarise_each(funs(n(), Sum=sum(.)), C1, C3)
 #Source: local data frame [3 x 5]

 #  group C1_n C3_n    C1_Sum C3_Sum
 #1 <0.005    2    2 3491509.6  91233
 #2   0.01    2    2  302997.1  88843
 #3  0.014    8    8  364609.5 268809

data

df <-structure(list(C1 = c(49488.01172, 268221.1563, 34775.96094, 
13046.98047, 2121699.75, 71155.09375, 1369809.875, 750, 44943.82813, 
85585.04688, 31090.10938, 68550.40625), C2 = c("0.0512%", "0.0128%", 
"0.0128%", "0.07241%", "0.00453%", "0.0181%", "0.00453%", "0.2048%", 
"0.0362%", "0.0362%", "0.0362%", "0.0181%")), .Names = c("C1", 
"C2"), row.names = c(NA, -12L), class = "data.frame")