我有一個看起來像這樣的數據集： id1 id2 size1 5400 5505 72 5033 5458 13 5452 2873 244 5452 5213 25 5452 4242 266 4823 4823 47 5505 5400 11其中id1和id2是在一個圖形獨特節點，并且size是分配給一個值涉及連接它們的邊緣從 id1 給 id2。該數據集相當大（超過200萬行）。我想這樣做是和大小列，按分組無序節點對的id1和id2。例如，在第一行中，我們有id1=5400和id2=5505。數據框中存在另一行，其中id1=5505和id2=5400。在分組的數據中，這兩行的size列的總和將添加到單行中。因此，換句話說，我想總結我要對（id1，id2）的（無序）集合進行分組的數據。我找到了一種使用apply使用一個自定義函數來檢查整個數據集中的反向列對，但是這樣做的速度非常慢。有誰知道用另一種方式做這件事的方法，也許plyr在基本軟件包中使用某種方法會更有效？
3 回答
瀟瀟雨雨
TA貢獻1833條經驗 獲得超4個贊
一種方法是與創建額外的列pmax和pmin的id1和id2如下。我將data.table在這里使用解決方案。
require(data.table)
DT <- data.table(DF)
# Following mnel's suggestion, g1, g2 could be used directly in by
# and it could be even shortened by using `id1` and id2` as their names
DT.OUT <- DT[, list(size=sum(size)),
by=list(id1 = pmin(id1, id2), id2 = pmax(id1, id2))]
# id1 id2 size
# 1: 5400 5505 18
# 2: 5033 5458 1
# 3: 5452 2873 24
# 4: 5452 5213 2
# 5: 5452 4242 26
# 6: 4823 4823 4
慕后森
TA貢獻1802條經驗 獲得超5個贊
替代方法：
R> library(igraph)
R> DF
id1 id2 size
1 5400 5505 7
2 5033 5458 1
3 5452 2873 24
4 5452 5213 2
5 5452 4242 26
6 4823 4823 4
7 5505 5400 11
R> g <- graph.data.frame(DF, directed=F)
R> g <- simplify(g, edge.attr.comb="sum", remove.loops=FALSE)
R> DF <- get.data.frame(g)
R> DF
id1 id2 size
1 5400 5505 18
2 5033 5458 1
3 5452 2873 24
4 5452 5213 2
5 5452 4242 26
6 4823 4823 4
慕尼黑的夜晚無繁華
TA貢獻1864條經驗 獲得超6個贊
我的aggregate{stats}函數方法：
> df
id1 id2 size
1 5400 5505 7
2 5033 5458 1
3 5452 2873 24
4 5452 5213 2
5 5452 4242 26
6 4823 4823 4
7 5505 5400 11
> df[1:2] <- t(apply(df[1:2], 1, sort))
> aggregate(size ~ id1 + id2, data=df, FUN=sum)
id1 id2 size
1 4823 4823 4
2 2873 5452 24
3 4242 5452 26
4 5213 5452 2
5 5033 5458 1
6 5400 5505 18
- 3 回答
- 0 關注
- 552 瀏覽
添加回答
舉報
0/150
提交
取消