performance - 创建按 id 聚合列的变量的更快方法

Question

这个问题在这里已经有了答案:





Calculate group mean (or other summary stats) and assign to original data

(4 个回答)


4年前关闭。




有没有更快的方法来做到这一点？我想这是不必要的缓慢，并且可以使用基本函数完成这样的任务。

df <- ddply(df, "id", function(x) cbind(x, perc.total = sum(x$cand.perc)))

我对 R 很陌生。我看过 by() , aggregate()和 tapply() ，但根本没有让它们工作或以我想要的方式工作。我不想返回较短的向量，而是想将总和附加到原始数据帧。做这个的最好方式是什么？

编辑:这是应用于我的数据的答案的速度比较。

> # My original solution
> system.time( ddply(df, "id", function(x) cbind(x, perc.total = sum(x$cand.perc))) )
   user  system elapsed 
 14.405   0.000  14.479 

> # Paul Hiemstra
> system.time( ddply(df, "id", transform, perc.total = sum(cand.perc)) )
   user  system elapsed 
 15.973   0.000  15.992 

> # Richie Cotton
> system.time( with(df, tapply(df$cand.perc, df$id, sum))[df$id] )
   user  system elapsed 
  0.048   0.000   0.048 

> # John
> system.time( with(df, ave(cand.perc, id, FUN = sum)) )
       user  system elapsed 
      0.032   0.000   0.030 

> # Christoph_J
> system.time( df[ , list(perc.total = sum(cand.perc)), by="id"][df])
   user  system elapsed 
  0.028   0.000   0.028 

Answer 1

由于您是 R 的新手，而且速度显然对您来说是个问题，我推荐 data.table包，这真的很快。在一行中解决您的问题的一种方法如下:

library(data.table)
DT <- data.table(ID = rep(c(1:3), each=3),
                 cand.perc = 1:9,
                 key="ID")
DT <- DT[ , perc.total := sum(cand.perc), by = ID]
DT
      ID Perc.total cand.perc
 [1,]  1          6         1
 [2,]  1          6         2
 [3,]  1          6         3
 [4,]  2         15         4
 [5,]  2         15         5
 [6,]  2         15         6
 [7,]  3         24         7
 [8,]  3         24         8
 [9,]  3         24         9

免责声明:我不是 data.table 专家(还不是 ;-)，所以可能有更快的方法来做到这一点。如果您有兴趣使用该软件包，请查看软件包站点以帮助您入门: http://datatable.r-forge.r-project.org/