r - 如何聚合数据框并为未找到的类别添加 0

Question

我有一个像这样的数据框:

> prova
  sent weeknumber processed
1  100          1         1
2   23          1         0
3  254          1         1
4  321          2         0
5 1241          2         0
6  323          2         1
7 1221          3         1

structure(list(sent = c(100, 23, 254, 321, 1241, 323, 1221), 
weeknumber = c(1, 1, 1, 2, 2, 2, 3), processed = c(1, 0, 
1, 0, 0, 1, 1)), .Names = c("sent", "weeknumber", "processed"
), row.names = c(NA, -7L), class = "data.frame")

如果我想为 processed = 0 的行提取按周数发送的数量，我可以这样做:

aggregate(prova[prova$processed==0,]$sent, by=list(prova[prova$processed==0,]$weeknumber), FUN = sum)
  Group.1    x
1       1   23
2       2 1562

如果我想提取 Sent by week number when processed = 1 的总和，我会这样做:

aggregate(prova[prova$processed==1,]$sent, by=list(prova[prova$processed==1,]$weeknumber), FUN = sum)
  Group.1    x
1       1  354
2       2  323
3       3 1221

但是，我想找到一种始终具有相同结果长度的方法，即在 processed=0 的情况下，如下所示:

  Group.1    x
1       1   23
2       2 1562
3       3    0  // this is the new row I'd like to add

如果我简单地传递可能周数的整个列表，我会得到:

aggregate(prova[prova$processed==0,]$sent, by=list(prova$weeknumber), FUN = sum)
Error in aggregate.data.frame(as.data.frame(x), ...) : 
arguments must have same length

非常感谢任何提示/建议!

Answer 1

我们可以对 data.table 使用 if/else 条件。将 'data.frame' 转换为 'data.table' (setDT(prova))，按 'weeknumber' 分组，如果没有任何 code> 'processed' 中的 0 个值，返回 0 或 else 获取 'sent' 的 sum，其中 'processed' 为 0。

library(data.table)
setDT(prova)[, .(sent = if(!any(processed==0)) 0 
               else sum(sent[processed==0])), by = weeknumber]
#   weeknumber sent
#1:          1   23
#2:          2 1562
#3:          3    0

---

但是，如果我们需要按“周数”分组的每个“已处理”值的“已发送”的总和，一个方便的选项是dcast

dcast(setDT(prova), weeknumber~processed, value.var="sent", sum)
#  weeknumber    0    1
#1:          1   23  354
#2:          2 1562  323
#3:          3    0 1221

或者使用 base R 中的 xtabs，它还对“weeknumber”和“处理'。

xtabs(sent~weeknumber + processed, prova)

---

如果我们使用aggregate，一个选项是merge aggregate 的输出与unique 集合'weeknumber' 然后将 'sent' 中的 NA 元素替换为 0。

res <- merge(data.frame(weeknumber = unique(prova$weeknumber)), 
      aggregate(sent~weeknumber, prova, subset = processed ==0, FUN = sum),
     all.x=TRUE)
res$sent[is.na(res$sent)] <- 0
res
#   weeknumber sent
#1          1   23
#2          2 1562
#3          3    0