我没有通过grep函数通过聚合anothor列来计算新列的正确方法,该列包含数据框中列的总和。数据框如下所示:
ID_Oeffnungszeit ID_Einrichtung Anzahl_Std Bez_Oeffnungszeit
1 3000001 0.50 Montag Vormittag
1 3000003 3.00 Montag Vormittag
1 3000008 2.50 Montag Vormittag
2 3000001 1.00 Montag Nachmittag
4 3000003 1.50 Dienstag Vormittag
1 3000023 1.00 Montag Vormittag
1 3000025 1.00 Montag Vormittag
1 3000026 1.00 Montag Vormittag
3 3000001 2.00 Montag Abend
...
1 3000038 3.50 Montag Vormittag
and so on...
变量
Bez_Oeffnungszeit
有21个特征,但是由于它们包含单词Vormittag
,Nachmittag
或Abend
,因此可以对其进行分类。因此,我想生成一个新列,其中包含每个
Anzahl_Std
的ID_Einrichtung
列的总和,具体取决于Bez_Oeffnungszeit
包含的单词。我很确定我应该使用
grep
和by
函数,但是我无法使它在我看来有效。df <- structure(list(ID_Oeffnungszeit = c("1", "1", "1", "2", "4",
"1", "1", "1", "3"), ID_Einrichtung = c(3000001L, 3000003L, 3000008L,
3000001L, 3000003L, 3000023L, 3000025L, 3000026L, 3000001L),
Anzahl_Std = c(0.5, 3, 2.5, 1, 1.5, 1, 1, 1, 2), Bez_Oeffnungszeit = c("Montag Vormittag",
"Montag Vormittag", "Montag Vormittag", "Montag Nachmittag",
"Dienstag Vormittag", "Montag Vormittag", "Montag Vormittag",
"Montag Vormittag", "Montag Abend")), .Names = c("ID_Oeffnungszeit",
"ID_Einrichtung", "Anzahl_Std", "Bez_Oeffnungszeit"), class = "data.frame", row.names = c(NA,
-9L))
最佳答案
我认为最简单的方法是创建一个仅包含单词“Vormittag”,“Nachmittag”或“Abend”的新列,然后将其用作分组变量。
例如:
# Set random seed for reproducibility
set.seed(12345)
# Make some data
my.data <- data.frame(ID_Oeffnungszeit = sample(1:10, 100, replace = TRUE),
ID_Einrichtung = sample(3000001:3000020, 100, replace = TRUE),
Anzahl_Std = rnorm(100),
Bez_Oeffnungszeit = sample(c("Montag Vormittag",
"Montag Nachmittag",
"Dienstag Vormittag",
"Montag Abend"), 100,
replace = T))
# Create a new column containing "Vormittag", "Nachmittag" or "Abend"
my.data$cat <- ""
my.data$cat[grep("Vormittag", my.data$Bez_Oeffnungszeit)] <- "Vormittag"
my.data$cat[grep("Nachmittag", my.data$Bez_Oeffnungszeit)] <- "Nachmittag"
my.data$cat[grep("Abend", my.data$Bez_Oeffnungszeit)] <- "Abend"
# Now just call aggregate over the Std variable using ID and category
# as grouping factors.
res <- aggregate(my.data$Anzahl_Std,
by = list(ID = my.data$ID_Einrichtung, cat = my.data$cat),
FUN = sum)