r - data.table:表中所有现有组合的总和

Question

我有一个数据表 out像这样(实际上它要大得多):

out <-      code weights group
        1:    2   0.387      1
        2:    1   0.399      1
        3:    2   1.610      1
        4:    3   1.323      2
        5:    2   0.373      2                                            
        6:    1   0.212      2
        7:    3   0.316      3
        8:    2   0.569      3
        9:    1   0.120      3
       10:    1   0.354      3

它有 3 个不同代码的组(第 1 列)。在第 1 组中，代码 3 没有出现，而在另一组中出现。

然后，我想对每个组和代码组合的权重求和。我用这个命令实现了这一点:

sum.dt <- out[,.(sum(weights)), by=list(code,group)][order(-V1)]

这很有效，但它没有将组 1 与代码 3 组合在一起，因为它不在 out 中。 table 。我想在 sum.dt 中包含所有可能的组合，如果源表中没有出现该组合，则总和应为 0，即 V1 列在这一行中应该是 0。

知道我如何实现这一目标吗？

Answer 1

使用 CJ (交叉连接)您可以添加缺少的组合:

library(data.table)
setkey(out, code, group)
out[CJ(code, group, unique = TRUE)
    ][, lapply(.SD, sum), by = .(code, group)
      ][is.na(weights), weights := 0]

给出:

   code group weights
1:    1     1   0.399
2:    1     2   0.212
3:    1     3   0.474
4:    2     1   1.997
5:    2     2   0.373
6:    2     3   0.569
7:    3     1   0.000
8:    3     2   1.323
9:    3     3   0.316

或与 xtabs正如@alexis_laz 在评论中显示的那样:

xtabs(weights ~ group + code, out)

这使:

     code
group     1     2     3
    1 0.399 1.997 0.000
    2 0.212 0.373 1.323
    3 0.474 0.569 0.316

如果你想在一个长格式的数据帧中得到这个输出，你可以包装 xtabs melt 中的代码reshape2(或data.table)包的功能:

library(reshape2)
res <- melt(xtabs(weights ~ group + code, out))

这使:

> class(res)
[1] "data.frame"
> res
  group code value
1     1    1 0.399
2     2    1 0.212
3     3    1 0.474
4     1    2 1.997
5     2    2 0.373
6     3    2 0.569
7     1    3 0.000
8     2    3 1.323
9     3    3 0.316

你也可以结合 dplyr 和 tidyr 来做到这一点:

library(dplyr)
library(tidyr)
out %>%
  complete(code, group, fill = list(weights=0)) %>%
  group_by(code, group) %>% 
  summarise(sum(weights))