R实现分组汇总的几种办法.pdfVIP

R 实现分组汇总的几种办法 分组汇总是对二维结构化数据中的某个字段（或多个字段）分组，并对组内字段进行汇 总的算法，下面的例子将展示R 语言实现分组汇总的几种办法。为了更加通用，例子中的分 组字段是2 个，汇总算法也是2 种。 案例描述： 请将数据框orders 按照CLIENT 和SELLERID 分组，并在组内对AMOUNT 字段分别求和、 求最大值。 说明：orders 存储着订单记录，其来源可以是数据库也可以是文件，比如： orders-read.table(sales.txt,sep=\t, header=TRUE) 。其前几行数据如下： ORDERID CLIENT SELLERID AMOUNT ORDERDATE 1 1 WVF Vip 5 440.0 2009-02-03 2 2 UFS Com 13 1863.4 2009-07-05 3 3 SWFR 2 1813.0 2009-07-08 4 4 JFS Pep 27 670.8 2009-07-08 5 5 DSG 15 3730.0 2009-07-09 方法 1：aggregate 函数 代码： result1-aggregate(orders$AMOUNT, orders[,c(SELLERID,CLIENT)],sum) result2-aggregate(orders$AMOUNT, orders[,c(SELLERID,CLIENT)],max) result-cbind(result1,result2$x) 部分计算结果： SELLERID CLIENT x result2$x 87 16 OLF 780.6 625.2 88 19 OLF 144.8 144.8 89 24 OLF 1191.2 1191.2 90 5 PAER 1414.8 1414.8 91 6 PAER 2545.2 2545.2 代码解读： 1. 从名字就可以看出，aggregate 是专用于分组汇总的函数，它的输入参数和计算结果都 是数据框，用法相对简单。 2. aggregate 函数不能对分组后的数据进行多种汇总计算，因此要用两句代码分别实现sum 和max 算法，最后再用cbind 拼合。显然，上述代码在性能和易用性上存在不足。 3. aggregate 函数对分组字段的顺序有一个奇怪的要求：必须反向排列。鉴于这个怪要求， 先对CLIENT 分组再对SELLERID 分组就必须写成：orders[,c(SELLERID,CLIENT)] 。如果 按照正常的思维习惯写代码，结果将是错误的。 4. 不仅代码的写法违反正常的思维习惯，计算后的结果也很怪异：SELLERID 字段会排在 CLIENT 之前。事实上，为了使计算结果更符合业务逻辑，上述的代码还要继续加工才 行。 总结： aggregate 函数勉强可用，但在性能和方便性上存在不足，代码的写法、计算结果、业 务逻辑这三者不一致。 方法2：split+lapply 函数 代码： sp-split(orders,orders[,c(SELLERID,CLIENT)],drop=TRUE) result1-lapply(sp,FUN=function(x) sum(x$AMOUNT)) result2-lapply(sp,FUN=function(x) max(x$AMOUNT)) result-cbind(result1,result2) 部分计算结果 result1 result2 16.OLF 780.6 6