汇总所有列，并使用相同的ID

如何解决汇总所有列，并使用相同的ID

我有12个data.frame，它们具有相同的变量，但行号不同。这些data.frame具有列ID，并且这些ID中的90％在所有data.frame中都是相同的。

ID <- c(1:10)
wage <- c(1500:1509)
bonus <- c(1000:1009)

df1 <- data.frame(ID,wage,bonus)

ID <- c(1:11)
wage <- c(1800:1810)
bonus <- c(1200:1210)

df2 <- data.frame(ID,bonus)

为简化此过程，将data.frames存储在一个列表中，以便您可以像df [[1]]，df [[2]]这样访问。

我想创建一个新的数据框，将其称为new_df，它具有相同的变量，但通过ID（以及仅存在于所有data.frames中的ID）对所有列值进行求和。由于每个df都有每月的工资和奖金，因此我的目标是获得年度工资。非常感谢有人能帮忙。

解决方法

这项工作：

> ID <- c(1:10)
> wage <- c(1500:1509)
> bonus <- c(1000:1009)
> 
> df1 <- data.frame(ID,wage,bonus)
> 
> ID <- c(1:11)
> wage <- c(1800:1810)
> bonus <- c(1200:1210)
> 
> df2 <- data.frame(ID,bonus)
> 
> ID <- c(1:20)
> wage <- c(2001:2020)
> bonus <- c(1301:1320)
> 
> df3 <- data.frame(ID,bonus)
> 
> mylist <- list(df1,df2,df3)
> 
> my_df <- do.call(rbind,mylist)
> 
> my_df %>% group_by(ID) %>% filter(n() == length(mylist)) %>% summarise(tot_wage = sum(wage),tot_bonus = sum(bonus))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 10 x 3
      ID tot_wage tot_bonus
   <int>    <int>     <int>
 1     1     5301      3501
 2     2     5304      3504
 3     3     5307      3507
 4     4     5310      3510
 5     5     5313      3513
 6     6     5316      3516
 7     7     5319      3519
 8     8     5322      3522
 9     9     5325      3525
10    10     5328      3528
>

如果您想选择任意数量的列：

> my_func <- function(df,summary_vars){
+   df %>% 
+         summarise(across({{summary_vars}},sum))
+ }
> my_df %>% group_by(ID) %>% filter(n() == length(mylist)) %>% my_func(wage)
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 10 x 2
      ID  wage
   <int> <int>
 1     1  5301
 2     2  5304
 3     3  5307
 4     4  5310
 5     5  5313
 6     6  5316
 7     7  5319
 8     8  5322
 9     9  5325
10    10  5328
> my_df %>% group_by(ID) %>% filter(n() == length(mylist)) %>% my_func(bonus)
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 10 x 2
      ID bonus
   <int> <int>
 1     1  3501
 2     2  3504
 3     3  3507
 4     4  3510
 5     5  3513
 6     6  3516
 7     7  3519
 8     8  3522
 9     9  3525
10    10  3528
> my_df %>% group_by(ID) %>% filter(n() == length(mylist)) %>% my_func(c(wage,bonus))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 10 x 3
      ID  wage bonus
   <int> <int> <int>
 1     1  5301  3501
 2     2  5304  3504
 3     3  5307  3507
 4     4  5310  3510
 5     5  5313  3513
 6     6  5316  3516
 7     7  5319  3519
 8     8  5322  3522
 9     9  5325  3525
10    10  5328  3528
>

如果您有列表dfs，则可以使用此dplyr解决方案

library(dplyr)

dfs <- list(df1,df2)

bind_rows(dfs) %>% 
  group_by(ID) %>%
  summarise(wage = sum(wage),bonus = sum(bonus))

要抛出另一种选择，如果您有一个包含所有数据框的列表，则可以使用purrr::map_dfr将它们绑定在一起。在这种情况下，要映射的函数只是返回数据帧，因此它与bind_rows没什么不同。但是，如果您想在绑定每个数据框之前对其进行某些操作（例如过滤器），那么map_dfr是一个不错的选择。

此外，如果您想按ID对所有列值求和，则可以使用summarize_all。

library(tidyverse)

list(df1,df2) %>%
  map_dfr(.f = ~.) %>%
  group_by(ID) %>%
  summarize_all(sum)

编辑：我错过了@Karthik S获得的过滤步骤。 filter(n() == length(df_lst))是一个不错的解决方案。

df_lst <- list(df1,df2) 

df_lst %>%
  map_dfr(.f = ~.) %>%
  group_by(ID) %>%
  filter(n() == length(df_lst)) %>%
  summarize_all(sum)

另一种选择是合并base R函数以附加两个数据帧，然后简单地汇总结果。

library(dplyr)
do.call('rbind',list(df1,df2)) %>%
  group_by(ID) %>%
  filter(n() == length(list(df1,df2))) %>%  #as per Karthik S
  summarise_all(.,sum)

#       ID  wage bonus
#     <int> <int> <int>
# 1     1  3300  2200
# 2     2  3302  2202
# 3     3  3304  2204
# 4     4  3306  2206
# 5     5  3308  2208
# 6     6  3310  2210
# 7     7  3312  2212
# 8     8  3314  2214
# 9     9  3316  2216
# 10    10  3318  2218