Fatal编程技术网
  • r/
  • R 在数据帧中合并相似行

R 在数据帧中合并相似行

r

R 在数据帧中合并相似行,r,R,我有一个数据框： Title Date year lai biomass grain_wt wet_yield 1 HartogSowN 2014-07-31 2014 4.4 NA NA NA 2 HartogMild 2014-07-31 2014 3.7 NA NA NA 3 HartogSevere 2014-07-31 2014 2.3 NA NA

我有一个数据框：

       Title       Date    year lai biomass grain_wt wet_yield
1    HartogSowN 2014-07-31 2014 4.4      NA       NA        NA
2    HartogMild 2014-07-31 2014 3.7      NA       NA        NA
3  HartogSevere 2014-07-31 2014 2.3      NA       NA        NA
4    HartogSowN 2014-08-12 2014 6.1      NA       NA        NA
5    HartogMild 2014-08-12 2014 6.6      NA       NA        NA
6  HartogSevere 2014-08-12 2014 3.8      NA       NA        NA
7    HartogSowN 2014-11-10 2014  NA   16116       NA        NA
8    HartogMild 2014-11-10 2014  NA   18224       NA        NA
9  HartogSevere 2014-11-10 2014  NA   18184       NA        NA
10   HartogSowN 2014-11-10 2014  NA      NA    0.041        NA
11   HartogMild 2014-11-10 2014  NA      NA    0.040        NA
12 HartogSevere 2014-11-10 2014  NA      NA    0.038        NA
13   HartogSowN 2014-08-12 2014  NA    4511       NA        NA
14   HartogMild 2014-08-12 2014  NA    4525       NA        NA
15 HartogSevere 2014-08-12 2014  NA    3167       NA        NA
16   HartogSowN 2014-07-31 2014  NA    2837       NA        NA
17   HartogMild 2014-07-31 2014  NA    2444       NA        NA
18 HartogSevere 2014-07-31 2014  NA    1940       NA        NA
19   HartogSowN 2014-11-10 2014  NA      NA       NA    8457.4
20   HartogMild 2014-11-10 2014  NA      NA       NA    8662.4
21 HartogSevere 2014-11-10 2014  NA      NA       NA    8537.8
22   HartogSowN 2014-11-10 2014  NA      NA       NA        NA
23   HartogMild 2014-11-10 2014  NA      NA       NA        NA
24 HartogSevere 2014-11-10 2014  NA      NA       NA        NA

structure(list(Title = c("HartogSowN", "HartogMild", "HartogSevere", 
"HartogSowN", "HartogMild", "HartogSevere", "HartogSowN",
"HartogMild",  "HartogSevere", "HartogSowN", "HartogMild",
"HartogSevere", "HartogSowN",  "HartogMild", "HartogSevere",
"HartogSowN", "HartogMild", "HartogSevere",  "HartogSowN",
"HartogMild", "HartogSevere", "HartogSowN", "HartogMild", 
"HartogSevere"), Date = structure(c(16282, 16282, 16282, 16294, 
16294, 16294, 16384, 16384, 16384, 16384, 16384, 16384, 16294,  16294,
16294, 16282, 16282, 16282, 16384, 16384, 16384, 16384,  16384,
16384), class = "Date"), year = c(2014, 2014, 2014, 2014,  2014, 2014,
2014, 2014, 2014, 2014, 2014, 2014, 2014, 2014, 2014,  2014, 2014,
2014, 2014, 2014, 2014, 2014, 2014, 2014), lai = c(4.4, 
3.7, 2.3, 6.1, 6.6, 3.8, NA, NA, NA, NA, NA, NA, NA, NA, NA,  NA, NA, NA, NA, NA, NA, NA, NA, NA), biomass = c(NA, NA, NA,  NA, NA, NA,
16116, 18224, 18184, NA, NA, NA, 4511, 4525, 3167,  2837, 2444, 1940,
NA, NA, NA, NA, NA, NA), grain_wt = c(NA, NA,  NA, NA, NA, NA, NA, NA,
NA, 0.041, 0.04, 0.038, NA, NA, NA, NA,  NA, NA, NA, NA, NA, NA, NA,
NA), wet_yield = c(NA, NA, NA, NA,  NA, NA, NA, NA, NA, NA, NA, NA,
NA, NA, NA, NA, NA, NA, 8457.4, 
8662.4, 8537.8, NA, NA, NA)), .Names = c("Title", "Date", "year",  "lai", "biomass", "grain_wt", "wet_yield"), row.names = c(NA,  24L),
class = "data.frame")
我希望折叠这些行，以便将给定标题和日期组合的所有数据放在一行上，并删除多余的行。我已经找到了类似问题的答案，但它们都涉及修改原始数据

期望输出：

       Title       Date    year lai biomass grain_wt wet_yield
1    HartogSowN 2014-07-31 2014 4.4    2837       NA        NA
2    HartogMild 2014-07-31 2014 3.7    2444       NA        NA
3  HartogSevere 2014-07-31 2014 2.3    1940       NA        NA
4    HartogSowN 2014-08-12 2014 6.1    4511       NA        NA
5    HartogMild 2014-08-12 2014 6.6    4525       NA        NA
6  HartogSevere 2014-08-12 2014 3.8    3167       NA        NA
7    HartogSowN 2014-11-10 2014  NA   16116    0.041    8457.4
8    HartogMild 2014-11-10 2014  NA   18224    0.040    8662.4
9  HartogSevere 2014-11-10 2014  NA   18184    0.038    8537.8
22   HartogSowN 2014-11-10 2014  NA      NA       NA        NA
23   HartogMild 2014-11-10 2014  NA      NA       NA        NA
24 HartogSevere 2014-11-10 2014  NA      NA       NA        NA
随着额外的行保持生物量，粮食重量和湿产量被删除

更新：谢谢帕斯卡，是的，时间应该匹配，我错了。我已经更新了期望的结果

更新2：为清晰起见，添加了完整的所需输出。

考虑使用aggregate（）的以下基本R解决方案。下面使用中位数作为函数，但任何聚合都应起作用（平均值、最小值、最大值等），但NAs的处理方式将有所不同

# AGGREGATED DF 
collapsedf <- aggregate(list(lai=df$lai,
                             biomass=df$biomass, 
                             grain_wt=df$grain_wt, 
                             wet_yield=df$wet_yield), 
                        list(Title=df$Title, Date=df$Date, year=df$year), 
                        FUN=median, na.rm=TRUE)
使用aggregate（）考虑以下基本R解决方案。下面使用中位数作为函数，但任何聚合都应起作用（平均值、最小值、最大值等），但NAs的处理方式将有所不同

# AGGREGATED DF 
collapsedf <- aggregate(list(lai=df$lai,
                             biomass=df$biomass, 
                             grain_wt=df$grain_wt, 
                             wet_yield=df$wet_yield), 
                        list(Title=df$Title, Date=df$Date, year=df$year), 
                        FUN=median, na.rm=TRUE)
假设对于每个
标题/日期
组合，每列只有一条有效数据，您可以使用
聚合
获得所需结果：

aggregate(. ~ Title + Date + year, data=df,
          FUN=function(x) x[!is.na(x)][1], na.action=na.pass)

#         Title       Date year lai biomass grain_wt wet_yield
#1   HartogMild 2014-07-31 2014 3.7    2444       NA        NA
#2 HartogSevere 2014-07-31 2014 2.3    1940       NA        NA
#3   HartogSowN 2014-07-31 2014 4.4    2837       NA        NA
#4   HartogMild 2014-08-12 2014 6.6    4525       NA        NA
#5 HartogSevere 2014-08-12 2014 3.8    3167       NA        NA
#6   HartogSowN 2014-08-12 2014 6.1    4511       NA        NA
#7   HartogMild 2014-11-10 2014  NA   18224    0.040    8662.4
#8 HartogSevere 2014-11-10 2014  NA   18184    0.038    8537.8
#9   HartogSowN 2014-11-10 2014  NA   16116    0.041    8457.4
这使用
Title+Date+year
作为分组变量，处理所有剩余的数据列

该函数只返回一条未丢失的数据-
！对于每个列，每个组中的.na（x）

需要使用
[1]
来确保在没有未丢失的数据段时返回
NA
。例如-
numeric（0）[1]
返回
NA

需要
na.action=na.pass
，因为
aggregate
与
y~x
公式一起使用时，默认情况下会抛出所有具有
na
值的行-
na.action=na.ommit
是默认值。

假设每个
标题/日期的每列只有一条有效数据通过组合，您可以使用
聚合
获得所需的结果：


aggregate(. ~ Title + Date + year, data=df,
          FUN=function(x) x[!is.na(x)][1], na.action=na.pass)

#         Title       Date year lai biomass grain_wt wet_yield
#1   HartogMild 2014-07-31 2014 3.7    2444       NA        NA
#2 HartogSevere 2014-07-31 2014 2.3    1940       NA        NA
#3   HartogSowN 2014-07-31 2014 4.4    2837       NA        NA
#4   HartogMild 2014-08-12 2014 6.6    4525       NA        NA
#5 HartogSevere 2014-08-12 2014 3.8    3167       NA        NA
#6   HartogSowN 2014-08-12 2014 6.1    4511       NA        NA
#7   HartogMild 2014-11-10 2014  NA   18224    0.040    8662.4
#8 HartogSevere 2014-11-10 2014  NA   18184    0.038    8537.8
#9   HartogSowN 2014-11-10 2014  NA   16116    0.041    8457.4


这使用
Title+Date+year
作为分组变量，处理所有剩余的数据列

该函数只返回一条未丢失的数据-
！对于每个列，每个组中的.na（x）

需要使用
[1]
来确保在没有未丢失的数据段时返回
NA
。例如-
numeric（0）[1]
返回
NA


需要
na.action=na.pass
，因为
aggregate
与
y~x
公式一起使用时，默认情况下将抛出所有具有
na
值的行-
na.action=na.ommit
是默认值。
您确定要输出吗？有些价值观来自不同的日期，不是吗<
4.4
的code>lai
用于
HartogSowN/2014-07-31
，而所有其他值用于
HartogSowN/2014-11-10
我认为您最好显示您的全部期望输出。这对我来说并不明显。特别是，你的例子对我来说毫无意义，基于
子集（DF，Title==“HartogSowN”和Date==“2014-07-31”）
如果不清楚你想要什么，那么
会聚合（.~Title+Date+year，data=DF，FUN=function（x）x[！is.na（x）][1]，na.action=na.pass）
做吗？@thelatemail是的，谢谢，这很有效。添加它作为答案，我将选择它。你介意加几句话作为解释吗？我以前从未使用过聚合。您确定要使用该输出吗？有些价值观来自不同的日期，不是吗<
4.4
的code>lai用于
HartogSowN/2014-07-31
，而所有其他值用于
HartogSowN/2014-11-10
我认为您最好显示您的全部期望输出。这对我来说并不明显。特别是，你的例子对我来说毫无意义，基于
子集（DF，Title==“HartogSowN”和Date==“2014-07-31”）
如果不清楚你想要什么，那么
会聚合（.~Title+Date+year，data=DF，FUN=function（x）x[！is.na（x）][1]，na.action=na.pass）
做吗？@thelatemail是的，谢谢，这很有效。添加它作为答案，我将选择它。你介意加几句话作为解释吗？我以前没用过骨料。