我们可以用rleid
from data.table
.
我们将“data.frame”转换为“data.table”。从“key”列创建另一个分组列“ind”。按“id”和“ind”分组,我们得到sum
'value' 并获取 'key' 的第一个元素。我们可以将“ind”分配为 NULL,因为预期输出中不需要它。
library(data.table)
setDT(df1)[,list(value = sum(value), key=key[1L]),
by = .(ind=rleid(key), id)][, ind:=NULL][]
# id value key
#1: 1 3000 A
#2: 1 2001 B
#3: 1 4006 A
#4: 2 2002 B
#5: 2 2002 C
或者正如 @Frank 建议的那样,我们可以在其中使用多个列rleid
,将其用作分组变量,获取其他变量的第一个元素并sum
'value',将不需要的列分配给NULL
以避免复制。
setDT(df1)[, list(id=id[1L], key=key[1L], value=sum(value)) ,
by = .(r=rleid(id, key))][, r:= NULL][]
# id key value
#1: 1 A 3000
#2: 1 B 2001
#3: 1 A 4006
#4: 2 B 2002
#5: 2 C 2002
或者我们可以使用dplyr
。我们通过比较“key”的相邻元素来创建分组变量“ind”,并得到sum
“价值”和first
'key' 的元素与summarise
.
library(dplyr)
df1 %>%
group_by(ind= cumsum(key!=lag(key, default=TRUE)), id) %>%
summarise(value=sum(value), key=first(key)) %>%
ungroup() %>%
select(-ind)
# id value key
#1 1 3000 A
#2 1 2001 B
#3 1 4006 A
#4 2 2002 B
#5 2 2002 C
注意:在dplyr
and data.table
我们还可以将“key”列作为分组变量并删除key=key[1L]
or key=first(key))
.
Or we transform
通过创建“ind”列并使用数据集aggregate
from base R
得到预期的输出
df1 <- transform(df1, ind = cumsum(c(TRUE,head(key,-1)!=tail(key,-1))))
aggregate(value~., df1, FUN=sum)[-3]
# id key value
#1 1 A 3000
#2 1 B 2001
#3 1 A 4006
#4 2 B 2002
#5 2 C 2002
data
df1 <- structure(list(id = c(1L, 1L, 1L, 1L, 1L, 2L, 2L), key = c("A",
"A", "B", "A", "A", "B", "C"), value = c(1000L, 2000L, 2001L,
2002L, 2004L, 2002L, 2002L)), .Names = c("id", "key", "value"
), class = "data.frame", row.names = c(NA, -7L))