如何在R中同时合并多个data.frames和sum和average列

Question

我有超过 20 二十个 data.frames 具有相同的列但行数不同。我的目标是通过列“名称”（这是五个名称的列表）合并 data.frames，在合并时我希望具有相同名称的行对 A 列求和，B 列求和，并得到平均值C列。

这是我目前正在做的事情。

首先，我将一次合并 2 个 data.frames。

DF <- merge(x=abc, y=def, by = "Name", all = T)

合并的 DF 看起来像这样

Name                              A.x    B.x   C.x   A.y   B.y  C.y
name1,name2,name3,name4,name5      11     24     7    NA    NA   NA
name1,name3,name4,name6,name7       4      8    12     3     4    7
name1,name2,name5,name6,name7      12      4     5    NA    NA   NA
name3,name4,name5,name6,name7      NA     NA    NA    15     3   28

然后我将添加这些ifelse语句来处理NAs唯一行和非唯一行。对于非唯一行，它将为 A 添加为 B 添加，对于 C 它将获得平均值。

DF$A <- ifelse(is.na(DF$A.x), DF$A.y,
    ifelse(is.na(DF$A.y), DF$A.x,
        ifelse((!is.na(DF$A.x)) & (!is.na(DF$A.y)), DF$A.x + DF$A.y, 1)))
DF$B <- ifelse(is.na(DF$B.x), DF$B.y, 
    ifelse(is.na(DF$B.y), DF$B.x,
        ifelse((!is.na(DF$B.x)) & (!is.na(DF$B.y)), DF$B.x + DF$B.y, 1)))
DF$C <- ifelse(is.na(DF$C.x), DF$C.y, 
    ifelse(is.na(DF$C.y), DF$C.x,
        ifelse((!is.na(DF$C.x)) & (!is.na(DF$C.y)), (DF$C.x  + DF$C.y)/2, 1)))

DF 现在看起来像这样

Name                            A.x  B.x  C.x  A.y  B.y  C.y   A   B   C   
name1,name2,name3,name4,name5    11   24    7   NA   NA   NA  11  24   7
name1,name3,name4,name6,name7     4    8   12    3    4    8   7  12  10
name1,name2,name5,name6,name7    12    4    5   NA   NA   NA  12   4   5
name3,name4,name5,name6,name7    NA   NA   NA   15    3   28  15   3  28

然后我只保留 Name 列和最后三列

merge1 <- DF[c(1,8,9,10)]

然后我对接下来的两个 data.frames 执行相同的过程并将其称为 merge2。然后我将合并merge1和merge 2。

total1 <- merge(x = merge1, y = merge2, by = "Name", all = TRUE)

我将继续一次合并两个数据帧，然后将 Totals data.frames 合并在一起，一次合并两个。我得到了我想要的最终结果，但这是一个及时的过程，而且效率不高。

我认为我可以做到的另一种方法是对所有 data.frames 进行 rbind，然后如果在 Name 列中任何行与另一行具有相同的名称列表，则创建该行，添加列 A，添加列 B并获得 C 列的平均值。但我也不知道如何做到这一点。

这是我想要的外皮示例

Name                              A     B     C
name1,name2,name3,name4,name5    11    24     7
name1,name3,name4,name6,name7     4     8    12
name1,name2,name5,name6,name7    12     4     5 
name3,name4,name5,name6,name7    15     3    28 
name1,name3,name4,name6,name7     3     4     8

最终结果看起来像这样

Name                              A     B     C
name1,name2,name3,name4,name5    11    24     7
name1,name3,name4,name6,name7     7    12    10
name1,name2,name5,name6,name7    12     4     5 
name3,name4,name5,name6,name7    15     3    28 

同样，我确信有比我目前正在做的更有效的方法来完成我想要的东西，所以任何帮助将不胜感激。

Answer 1

我认为你的第二种方法是要走的路，你可以用data.tableor做到这一点dplyr。

这里有几个步骤使用data.table. 首先，如果您的数据框是abc, def, ... 做：

DF <- do.call(rbind, list(abc,def,...))

现在你可以把它们变成一个 data.table

DT <- data.table(DF)

并简单地做类似的事情

DTres <- DT[,.(A=sum(A, na.rm=T), B=sum(B, na.rm=T), C=mean(C,na.rm=T)),by=name]

仔细检查data.table小插图以更好地了解该软件包的工作原理。