R实现固定分组汇总的方法.pdfVIP

R 实现固定分组汇总的方法 组名称和组数量已知的分组汇总被称为固定分组汇总，此类算法的分组依据来自于数据 集之外，比如：按照参数列表中的客户名单分组，或按照条件列表进行分组。此类算法会涉 及分组依据是否超出数据集、是否需要多余的组、数据是否重叠等问题，解决起来有一定的 难度。下面将介绍R 语言实现固定分组汇总的方法。 案例 1：分组依据不超出数据集 数据框sales 是订单记录，其中CLIENT 列是客户名，AMOUNT 列是订单金额，请将sales 按照“潜力客户列表”进行分组，并对各组的 AMOUNT 列汇总求和。潜力客户列表为 [ARO, BON,CHO]，该列表恰好是CLIENT 列的子集。 说 明 ： sales 的 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 代码： byFac-factor(sa les$CLIENT,levels=c(ARO,BON,CHO)) result-aggregate(sales$AMOUNT,list(byFac),sum) 计算结果： Group.1 x 1 ARO 899.0 2 BON 2564.4 3 CHO 1174.0 代码解读： 1. 函数factor 生成了一个分组依据（在R 中被称为因子），函数aggregate 按照分组依据进 行分组汇总，整段代码的结构非常清晰。 2. 需要注意的是，分组依据不是向量或数组，因此不能直接写成 byFac- c(ARO,BON,CHO) 。分组依据也不能直接使用，还需要转化成list 类型。这些方面是 初学者不易理解的地方，尤应注意。 3. 如果以CLIENT 列为分组依据（即非固定分组），则只需一句代码就能实现： result-aggregate(sales$AMOUNT,list(sales$CLIENT),sum ) 总结： 使用aggregate 可以轻松实现本案例。 案例2：分组依据超出数据集 分组依据仅限于列数据，这属于特殊情况，实际上由于分组依据来自于数据集之外（比 如外部参数），它的成员很可能不在列数据中。本案例试图解决这样的问题。 假设 “潜力客户列表”的值为[ARO, BON,CHO,ZTOZ]，请将sales 按照“潜力客户列表” 将数据分为四组，并对各组的AMOUNT 列汇总求和。注意，客户ZTOZ 不在CLIENT 列中。 与案例1 类似的代码： byFac-factor(sales$CLIENT,levels=c(ARO,BON,CHO, ZTOZ)) result-aggregate(sales$AMOUNT,list(byFac),sum) 上述代码的计算结果是： Group.1 x 1 ARO 899.0 2 BON 2564.4 3 CHO 1174.0 可以看到，计算结果中只有三组数据，缺失了 ZTOZ ，而不是要求中的四组。显然，上 述代码不能实现本案例，需要改进。 改进后的代码： byFac-factor(sales$CLIENT,levels=c(ARO,BON,CHO,ZTOZ)) tapply(sales$AMOUNT, list(byFac ),function(x) sum(x)) 计算结果： ARO