Zeilen auf Basis bestimmter Faktorkombinationen zusammenfassen

Question

Das ist wahrscheinlich eine dumme Frage, aber ich habe Crawleys Kapitel über Datenframes gelesen und das Internet durchforstet und konnte noch nichts machen.

Hier ist ein Beispieldatensatz ähnlich wie ich:

> 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 

Was ich ein Szenario tun möchte, ist in den „Samen“ und „Früchte“ werden, wenn einzigartiger Ort & Pflanze & Behandlung & plant_numb Kombinationen summierten existieren. Ideal gelegen in einer Reduktion der Zeilen führt, würde dies aber eine Erhaltung der ursprünglichen Spalten (dh ich das obige Beispiel muß wie folgt aussehen :)

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 

Dieses Beispiel ist ziemlich einfach (mein Dataset ~ 5000 Zeilen), und obwohl hier nur zwei Zeilen angezeigt werden, die summiert werden müssen, variieren die Anzahl der Zeilen, die summiert werden müssen, und reichen von 1 bis ~ 45.

Ich habe rowsum() und tapply() mit ziemlich düsteren Ergebnissen bisher versucht (die Fehler sagen mir, dass diese Funktionen für Faktoren nicht sinnvoll sind), also wenn Sie mir sogar in die richtige Richtung zeigen könnten, ich Ich würde es sehr zu schätzen wissen!

Vielen Dank!

Answer 1

Hoffentlich ist der folgende Code ziemlich selbsterklärend. Es verwendet die Basisfunktion "Aggregat" und im Grunde genommen sagt dies für jede einzigartige Kombination von Standort, Pflanze, Behandlung und Pflanzenanzahl die Summe der Früchte und die Summe der Samen.

# 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 

Die Reihenfolge der Zeilen ändert (und es nach Standort sortiert, Pflanze, ...), aber hoffentlich ist, dass nicht zu viel von einer Besorgnis.

Eine alternative Möglichkeit wäre, ddply aus dem plyr-Paket zu verwenden.

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

Für Vollständigkeit, hier ist die data.table Lösung, wie @Chase vorgeschlagen. Für größere Datenmengen wird dies wahrscheinlich die schnellste Methode sein:

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 

Der lapply(.SD, sum) Teil fasst alle Spalten, die nicht Teil der Gruppierungsmenge sind (. Dh Spalten nicht in der by Funktion)