R 中多个条件的高效条件求和

我正在努力寻找解决以下问题的有效解决方案：

我有一个大型的已处理数据框，大约有 8 列和 80000 行，通常包含多种数据类型。 如果满足大数据框中的条件，我想创建一个新的数据框，其中包含一列的总和。

想象一下原始数据帧的头部看起来像这样。 $years.raw 列表示该公司测量了 x 年的数据。

> cbind(company.raw,years.raw,source,amount.inkg)
     company.raw years.raw source      amount.inkg
[1,] "C1"        "1"       "Ink"       "5"        
[2,] "C1"        "1"       "Recycling" "2"        
[3,] "C2"        "1"       "Coffee"    "10"       
[4,] "C2"        "1"       "Combusted" "15"       
[5,] "C2"        "2"       "Printer"   "14"       
[6,] "C2"        "2"       "Tea"       "18"   

我现在需要做的是创建一个新的数据框，根据某些字符串元素对每个公司和每年的 $amount.inkg 列的值进行求和。 我将字符串元素保存在下面的三个向量中。字符串元素是原始数据框中 $source 列的一部分。

> vector1 <- c("Tea","Coffee")
> vector2 <- c("Ink","Printer")
> vector3 <- c("Recycling","Combusted")

首选数据框将如下所示：

Company Year              amount.vector1    amount.vector 2 amount.vector 3
C1           1                 0             5                 2
C2           1                 10            0                15        
C2           2                 18            14                0

$amount.vector1 的一般方法是： 对每个公司和每年的 $amount.inkg 列的值进行求和，其中原始数据框列 $source 的字符串元素== vector1 的字符串元素。 当然，$amount.vector2 列的元素不同，但情况相同。

如果没有可用值，则应添加“0”而不是 NA 错误。 这需要对整个原始数据框架进行，其中包括大约 250 家公司，其中每家公司的数据比例为 1:8（差异很大）。

编辑：对于数据框，我需要每家公司每年一行。

C1 Year 1  
C1 Year 2
C1 Year 3
C2 Year 1
C2 Year 2

我尝试编写一个结合这些条件的函数，但失败了。 我对 R 很陌生，不知道如何链接这些条件并将它们应用到整个数据框。

您的数据采用“长格式”（多行公司、来源、年份...）

你想要总计的每个公司和年份的 amount.inkg，用于多个来源值。具体来说，您希望在“源”字段上使用条件进行聚合。

再次，请给我们提供可重现的示例。 （谢谢乔西尔伯）。 这是一个带有分割-应用-组合（ddply）或逻辑索引的四行：

df = data.frame(company.raw = c("C1", "C1", "C2", "C2", "C2", "C2"),
                years.raw = c(1, 1, 1, 1, 2, 2),
                source = c("Ink", "Recycling", "Coffee", "Combusted", "Printer", "Tea"),
                amount.inkg = c(5, 2, 10, 15, 14, 18))

# OPTION 1. Split-Apply-Combine: ddply(...summarize) with a conditional on the data
require(plyr) # dplyr if performance on large d.f. becomes an issue
ddply(df, .(company.raw,years.raw), summarize,
    amount.vector1=sum(amount.inkg[source %in% c('Tea','Coffee')]),
    amount.vector2=sum(amount.inkg[source %in% c('Ink','Printer')]),
    amount.vector3=sum(amount.inkg[source %in% c('Recycling','Combusted')])
)


# OPTION 2. sum with logical indexing on the df:
# (This is from before you modified the question to one-row-per-company-and-per-year)
df$amount.vector1 <- sum( df[(df$source %in% c('Tea','Coffee')),]$amount.inkg )
# josilber clarifies you want one-row-per-company
...

选项 3.您还可以使用aggregate（此处的联机帮助页） https://stat.ethz.ch/R-manual/R-devel/library/stats/html/aggregate.html with subset(...)，尽管总和是矫枉过正的。

aggregate(df, source %in% c('Tea','Coffee'), FUN = sum)

The by聚合的参数是操作所在的位置（选择、按条件子集化）。

Note: %in%执行扫描操作，因此如果您的向量和 d.f.变大，或者为了可扩展性，您需要将其分解为可以矢量化的布尔运算：(source=='Tea' | source=='Coffee')

如果子集为空，则要防止 NA 和，sum(c()) = 0所以不用担心。但如果你这样做，要么使用 na.omit，要么做ifelse(is.na(x),0,x)关于最终结果。