R 如何根据特定条件对一列进行聚合来重塑数据集？

我的数据集基于疾病计数。许多变量都是分类变量，例如周序列、月序列和年序列。这些标签表示疾病计数在我的时间序列数据中所属的周、月和年

我面临的问题是构建另一个数据表，该表将根据周序列、月序列和年序列对计数进行求和。我需要我的方法来决定是否将WeekSeries 1编码为

TS1=1

或

TS2=1

。例如，在原始数据中，您可以看到第三个观察值不在

TS1

中，而是在

TS2

中，因为它在

TS2

中，所以它也有

HolidaysPerSeason=10

我希望该方法能够确定，如果周系列1中的大多数观察结果属于

TS1=1

和

HolidaysPerSeason=11

，那么这将是

WeekSeries=1

的最终类别

原始数据 理想格式 这种格式对于建立回归模型和其他分析是必要的

这是与我的真实数据相似的假数据：

    # a couple of the variables within my data
    JulianDate<-c(10985, 10986,10987)
    DateRcd<-c(NA,NA,"2000-01-31")
    Counts<-c(0,1,1)
    Day<-c("Sat","Sun","Mon")
    Weekend<-c(1,1,0)
    Season<-c(1,1,2)
    HolidaysPerSeason<-c(11,11,10)
    TS1<-c(1,1,0)
    TS2<-c(0,0,1)
    TS3<-c(0,0,0)
    TS4<-c(0,0,0)
    TS5<-c(0,0,0)
    TS6<-c(0,0,0)
    WeekSeries<-c(1,1,1)
    YearSeries<-c(1,1,1)
    MonthSeries<-c(1,1,1)
    mydata<-data.table(JulianDate,DateRcd,Counts,Day,Weekend,Season,HolidaysPerSeason, TS1,TS2,TS3,TS4,TS5,TS6,YearSeries,MonthSeries,WeekSeries) #data simulation

---

我能做些什么来重新获得其他分类变量？

您要找的是分组？比如，像这样的事情？ 您应该安装了

dplyr

和

data.table

---

mydata\u new%group\u by（WeekSeries，TS1，HolidaySperseson）%%>%summary（count=n（））

您要找的是哪个组？比如，像这样的事情？ 您应该安装了

dplyr

和

data.table

---

mydata\u new%group\u by（WeekSeries，TS1，HolidaysPerSeason）%%>%summary（count=n（））

这可以在几个地方进行优化，但应该给你一个基本的想法：

# sum up counts and count number of rows with identical values for the last several columns
DT[, .(Count = sum(Counts), .N), by = c(tail(names(DT), -4))][
   # assign same count number = total count to each row within same WeekSeries
   , Count := sum(Count), by = WeekSeries][
   # extract most frequent row (i.e. one with largest N, computed in line 1)
   , .SD[which.max(N)], by = WeekSeries]
#   WeekSeries Weekend Season HolidaysPerSeason TS1 TS2 TS3 TS4 TS5 TS6 YearSeries MonthSeries Count N
#1:          1       1      1                11   1   0   0   0   0   0          1           1     2 2

---

这可以在几个地方进行优化，但应能让您了解以下基本概念：

# sum up counts and count number of rows with identical values for the last several columns
DT[, .(Count = sum(Counts), .N), by = c(tail(names(DT), -4))][
   # assign same count number = total count to each row within same WeekSeries
   , Count := sum(Count), by = WeekSeries][
   # extract most frequent row (i.e. one with largest N, computed in line 1)
   , .SD[which.max(N)], by = WeekSeries]
#   WeekSeries Weekend Season HolidaysPerSeason TS1 TS2 TS3 TS4 TS5 TS6 YearSeries MonthSeries Count N
#1:          1       1      1                11   1   0   0   0   0   0          1           1     2 2

---

您的答案适用于我的测试数据集，但当我将其转换为更大的数据集时，我会丢失TS1和TS2。你能给你的代码添加注释，这样我就可以试着找出要调整的地方了吗？@eddie调整这个部分`by=c（tail（names（DT），-2））]`从-4到-2有效，但我不知道为什么。如果你能解释或指出你在哪里找到了解决方案，那就太好了！谢谢。你的解决方案确实有效。我不确定N是什么。有一个小时，我以为这是那一周的总计数。@Meli第一个“by”选择您感兴趣检查相同行的列（因此调整以满足您的需要是有意义的），并且

.N

计算这些列的每个分组的行数。计数列的名称（自动）是“N”。那么.SD呢？你能把你的解释解释得更清楚些吗？它是如何工作的整个

[]

[]

[]

，里面有不同的东西可以满足我的需求？非常感谢您的光临！您的答案适用于我的测试数据集，但当我将其转换为更大的数据集时，我会丢失TS1和TS2。你能给你的代码添加注释，这样我就可以试着找出要调整的地方了吗？@eddie调整这个部分`by=c（tail（names（DT），-2））]`从-4到-2有效，但我不知道为什么。如果你能解释或指出你在哪里找到了解决方案，那就太好了！谢谢。你的解决方案确实有效。我不确定N是什么。有一个小时，我以为这是那一周的总计数。@Meli第一个“by”选择您感兴趣检查相同行的列（因此调整以满足您的需要是有意义的），并且

.N

计算这些列的每个分组的行数。计数列的名称（自动）是“N”。那么.SD呢？你能把你的解释解释得更清楚些吗？它是如何工作的整个

[]

[]

[]

，里面有不同的东西可以满足我的需求？非常感谢您的光临！当我将您的解决方案应用于更大的数据集时，它创建了额外的观察值。应该有583个观测值，但您的解决方案和eddi都创建了5000多个观测值。当我将您的解决方案应用到更大的数据集时，它创建了额外的观测值。应该有583个观察结果，但您的解决方案和eddi都创建了5000多个观察结果。

install.packages("data.table")
library(data.table)

DT <- data.table(mydata)
mydata1<-DT[, by = list(WeekSeries)] #doesn't work
mydata2<-DT[,sum(CountsofCholera), by=WeekSeries] #loses all the other variables
idealdata<-merge(mydata2,mydata,by.x=mydata2$WeekSeries) #attempts to regain  the lost variable, this doesn't work because the datasets are not the same length

# sum up counts and count number of rows with identical values for the last several columns
DT[, .(Count = sum(Counts), .N), by = c(tail(names(DT), -4))][
   # assign same count number = total count to each row within same WeekSeries
   , Count := sum(Count), by = WeekSeries][
   # extract most frequent row (i.e. one with largest N, computed in line 1)
   , .SD[which.max(N)], by = WeekSeries]
#   WeekSeries Weekend Season HolidaysPerSeason TS1 TS2 TS3 TS4 TS5 TS6 YearSeries MonthSeries Count N
#1:          1       1      1                11   1   0   0   0   0   0          1           1     2 2