R 如何添加值与另一列对应的列？

我将总结如何获得我使用的数据帧：

     name abundance 
1    joe  1
2    tim  1
3    bob  1
4    joe  1 
5    bob  1

首先，我通过聚合列创建了一个新的数据帧，并计算了相对频率：

     name  abundance  relative_ab
1    joe   2          0.4
2    tim   1          0.2
3    bob   2          0.4

但是我想在第一个数据帧中添加一列，这样就有了冗余的条目和相对值（实际的数据集中有其他信息，通过聚合它们我会丢失这些信息）

我想我可以用暴力来解决这个问题，但我对R比较陌生，不知道你们会想出什么巧妙的方法

---

谢谢

您可以使用

match

执行此操作。假设第一个data.frame为df1，第二个为df2，则可以使用：

df1$relative_ab = df2$relative_ab[match(df1$name, df2$name)]
df1
  name abundance relative_ab
1  joe         1         0.4
2  tim         1         0.2
3  bob         1         0.4
4  joe         1         0.4
5  bob         1         0.4

match

使用名称选择要使用的行

match(df1$name, df2$name)
[1] 1 2 3 1 3

---

如果您可以使用dplyr：

library(dplyr)
df %>% 
  mutate(s=sum(abundance)) %>%
  group_by(name) %>%
  mutate(relative_ab=sum(abundance)/s, s=NULL)

    name abundance relative_ab
  <fctr>     <int>       <dbl>
1    joe         1         0.4
2    tim         1         0.2
3    bob         1         0.4
4    joe         1         0.4
5    bob         1         0.4

库（dplyr）
df%>%
突变（s=总和（丰度））%>%
分组单位（名称）%>%
变异（相对_ab=总和（丰度）/s，s=空）
姓名和地址
1乔10.4
2 tim 1 0.2
3鲍勃10.4
4乔10.4
5鲍勃10.4

我们可以使用基本R

ave

按

name

分组，并将组

丰度

总和

除以完整的

丰度

df$relative_ab <- with(df,ave(abundance, name, FUN = function(x) 
                                        sum(x)/sum(abundance)))
df
#  name abundance relative_ab
#1  joe         1         0.4
#2  tim         1         0.2
#3  bob         1         0.4
#4  joe         1         0.4
#5  bob         1         0.4

---

df$relative_ab我们可以用
data.table来实现这一点

library(data.table)
setDT(df)[, relative_ab := sum(abundance)/sum(df$abundance) , name]
df
#   name abundance relative_ab
#1:  joe         1         0.4
#2:  tim         1         0.2
#3:  bob         1         0.4
#4:  joe         1         0.4
#5:  bob         1         0.4

merge（df1，df2，by=“name”）
library(data.table)
setDT(df)[, relative_ab := sum(abundance)/sum(df$abundance) , name]
df
#   name abundance relative_ab
#1:  joe         1         0.4
#2:  tim         1         0.2
#3:  bob         1         0.4
#4:  joe         1         0.4
#5:  bob         1         0.4