使用ddply的cumsum

Question

我需要在ddply或aggregate级别中使用group by，如果这样更容易的话。我真的不确定该怎么做，因为我需要使用cumsum作为我的聚合函数。下面是我的数据：

level1      level2  hour     product 
A           tea     0          7
A           tea     1          2
A           tea     2          9
A           coffee  17         7
A           coffee  18         2
A           coffee  20         4
B           coffee  0          2
B           coffee  1          3
B           coffee  2          4
B           tea     21         3
B           tea     22         1

预期输出：

A     tea     0   7
A     tea     1   9
A     tea     2   18
A     coffee  17  7
A     coffee  18  9
A     coffee  20  13
B     coffee  0   2
B     coffee  1   5
B     coffee  2   9
B     tea     21  3
B     tea     22  4

我试着用

ddply(dd,c("level1","level2","hour"),summarise,cumsum(product))

但这并不是总和，我认为这是因为小时列用于group by，并被它拆分..我认为..我不确定我是否完全理解aggregate是如何工作的。有没有什么方法可以使用aggregate或ddply获得所需的输出？

Answer 1

这是一个使用ave和within的base R解决方案

within(mydf, {
  cumsumProduct <- ave(product, level1, level2, FUN = cumsum)
})
#    level1 level2 hour product cumsumProduct
# 1       A    tea    0       7             7
# 2       A    tea    1       2             9
# 3       A    tea    2       9            18
# 4       A coffee   17       7             7
# 5       A coffee   18       2             9
# 6       A coffee   20       4            13
# 7       B coffee    0       2             2
# 8       B coffee    1       3             5
# 9       B coffee    2       4             9
# 10      B    tea   21       3             3
# 11      B    tea   22       1             4

当然，如果您想删除现有的product列，您可以将命令更改为以下内容，以覆盖当前的"product“列：

within(mydf, {
  product <- ave(product, level1, level2, FUN = cumsum)
})

您当前的方法不起作用，部分原因是您已将“小时”作为分组变量之一。换句话说，它将"A + tea + 0“的组合视为不同于"A + tea + 1”的组合，但从您期望的输出来看，您似乎简单地希望"A + tea“的组合成为组。

aggregate不会像您预期的那样工作，因为它会将所有内容压缩到一个data.frame中，其行数与"level1“和"level2”的唯一组合的行数相同，在本例中为4行。聚合列将是一个list。这些值是正确的，但用处不大。

下面是aggregate及其输出：

> aggregate(product ~ level1 + level2, mydf, cumsum)
  level1 level2  product
1      A coffee 7, 9, 13
2      B coffee  2, 5, 9
3      A    tea 7, 9, 18
4      B    tea     3, 4

Answer 2

您应该使用transform而不是summarise

# you should probably order your `level2` first
dd$level2 <- factor(dd$level2, levels=c("tea", "coffee"))
# and transform using level1 and level2 alone, not hour
# if you use hour, the groups will be for each row
ddply(dd, .(level1, level2), transform, product=cumsum(product))

#    level1 level2 hour product
# 1       A    tea    0       7
# 2       A    tea    1       9
# 3       A    tea    2      18
# 4       A coffee   17       7
# 5       A coffee   18       9
# 6       A coffee   20      13
# 7       B    tea   21       3
# 8       B    tea   22       4
# 9       B coffee    0       2
# 10      B coffee    1       5
# 11      B coffee    2       9

Answer 3

现在提到这一点的人们可能希望避免使用plyr::ddply。这是一个dplyr解决方案。

library(dplyr)
output <- dd %>%
  group_by(level1, level2) %>%
  mutate(product_sum = cumsum(product)) %>%
  ungroup()
output

请注意，product_sum是新列的命名位置。您可以改用product。然后，原始产品列将被覆盖，因为原始问题可能更喜欢这样做，而不是在输出中同时包含两个列。

数据：

level1 <- c(rep("A",6), rep("B",5))
level2 <- c(rep("tea",3), rep("coffee",6), rep("tea",2))
hour <- c(0,1,2,17,18,20,0,1,2,21,22)
product <- c(7,2,9,7,2,4,2,3,4,3,1)

dd <- data.frame(level1, level2, hour, product)