刪除和彙總重複項

Question

我已經發布了我正在使用的數據樣本here。

「包裹......」是主要的索引變量，並且有很多重複。重複在所有其他列中不一致。我的目標是彙總數據集，以便每個宗地只有一個觀察點。 我用下面的代碼來嘗試求和數值載體：

aggregate(Ap.sample$X.11~Ap.sample$Parcel..,FUN=sum)

的問題是它消除除了包裹和我引用其它載體的一切。

我的目標是對該parcelID的某些數值向量（sum）（X.11，X.13，X.15，num_units）使用相同的規則，對於其他數值向量使用不同的規則（平均值） （英畝，Ttl_sq_ft，Mtr.Size），還有一個不同的規則（只是選擇一個名稱）爲字符變量（假設有另一個「customer.name」字段，具有不同的值，用於相同的唯一宗地ID，即「Steven condominiums」和「斯蒂芬公寓」），並刪除所有其他變量的額外觀察。

我試過使用numcolwise函數，但也沒有做我所需要的。 我的直覺是指定我要總結的欄目，我想取平均值，像這樣的列：

DT<-as.data.table(Ap.sample) 
sum_cols<-Ap.05[,c(10,12,14)] 
mean_cols<-Ap.05[,c(17:19)] 

，然後使用lapply功能要經過每個觀察和做什麼，我需要。

df05<-DT[,lapply(.SD,sum), by=DT$Parcel..,.SDcols=sum_cols] 
df05<-DT[,lapply(.SD,mean),by=DT$Parcel..,.SDcols=mean_cols] 

但是在第一次就吐出錯誤。我知道有一個更簡單的解決方法，而不是試圖通過它。

Answer 1

你可以這樣做：

library(dplyr) 
df %>% 
    # create an hypothetical "customer.name" column 
    mutate(customer.name = sample(LETTERS[1:10], size = n(), replace = TRUE)) %>% 
    # group data by "Parcel.." 
    group_by(Parcel..) %>% 
    # apply sum() to the selected columns 
    mutate_each(funs(sum(.)), one_of("X.11", "X.13", "X.15", "num_units")) %>% 
    # likewise for mean() 
    mutate_each(funs(mean(.)), one_of("Acres", "Ttl_sq_ft", "Mtr.Size")) %>% 
    # select only the desired columns 
    select(X.11, X.13, X.15, num_units, Acres, Ttl_sq_ft, Mtr.Size, customer.name) %>% 
    # de-duplicate while keeping an arbitrary value (the first one in row order) 
    distinct(Parcel..)