R:group by表格中缺失级别的零填充

我想为具有时序事件的数据表创建一个时间单元向量。该向量中的每个元素表示特定时隙内的度量。数据表

dt

如下所示：

dt=structure(list(
           hour = c("20", "21", "21", "21", "21", "02", "02", "02", "02", "02"), 
           timeSlt = structure(c(6L, 6L, 6L, 6L, 6L, 1L, 1L, 1L, 1L, 1L), .Label = c("[0,4)", "[4,8)", "[8,12)", "[12,16)", "[16,20)", "[20,24)"), class = "factor"),
           play_length = c(208.67, 188.49, 58.5, 3.469, 17.92, 211.513, 193.045, 225.306, 212.715, 226.873)), 
           .Names = c("hour", "timeSlt", "length"), 
           class = c("data.table","data.frame"), row.names = c(NA, -10L))

其中，

hour

列和

timeSlt

列分别指示每天的小时数和相应的时段<代码>时间lt是一个因素：

dt[, timeSlt]
# [1] [20,24) [20,24) [20,24) [20,24) [20,24) [0,4)   [0,4)   [0,4)   [0,4)   [0,4)  
# Levels: [0,4) [4,8) [8,12) [12,16) [16,20) [20,24)

我想对每个时隙的

长度

求和：

dt[, sum(length), by=timeSlt]
#    timeSlt       V1
# 1: [20,24)  477.049
# 2:   [0,4) 1069.452

但是期望的输出应该是

y = data.table(timeSlt=levels(dt[, timeSlt]), sumLength=c(1069.452, 0, 0, 0, 0, 477.049))
#    timeSlt sumLength
# 1:   [0,4)  1069.452
# 2:   [4,8)     0.000
# 3:  [8,12)     0.000
# 4: [12,16)     0.000
# 5: [16,20)     0.000
# 6: [20,24)   477.049

排序后的

timeSlt

，如果没有发生事件，则相应的

length

之和填充为0

---

任何帮助都将不胜感激。

我们可以根据“timeSlt”的

级别加入新创建的data.table上的
，然后按“timeSlt”分组并获得“length”的
总和

dt[setDT(list(timeSlt= levels(dt$timeSlt))), on='timeSlt'
       ][, list(sumLength=sum(length, na.rm=TRUE)), by = timeSlt]
#   timeSlt sumLength
#1:   [0,4)  1069.452
#2:   [4,8)     0.000
#3:  [8,12)     0.000
#4: [12,16)     0.000
#5: [16,20)     0.000
#6: [20,24)   477.049


一个
base R
选项将是

as.data.frame(xtabs(length~timeSlt, dt))
#  timeSlt     Freq
#1   [0,4) 1069.452
#2   [4,8)    0.000
#3  [8,12)    0.000
#4 [12,16)    0.000
#5 [16,20)    0.000
#6 [20,24)  477.049

这里有一个dplyr方法

library(tidyr)
library(dplyr)
library(rex)

time_slot_regex = rex("[",
                      digits %>% capture,
                      ",",
                      digits %>% capture,
                      ")")

time_slots = 
  data_frame(start = 0:5 * 4,
             end = start + 4,
             length = 0)

dt %>%
  extract(timeSlt,
          c("start", "end"),
          time_slot_regex,
          convert = TRUE) %>%
  bind_rows(time_slots) %>%
  group_by(start, end) %>%
  summarize(sum_length = sum(length))

也可以使用tapply

res <- tapply(dt$length, dt$timeSlt, sum)
res
#    [0,4)    [4,8)   [8,12)  [12,16)  [16,20)  [20,24) 
# 1069.452       NA       NA       NA       NA  477.049 
data.frame(timeSlt=names(res), sumLength=res, row.names=1:length(res))
#   timeSlt sumLength
# 1   [0,4)  1069.452
# 2   [4,8)        NA
# 3  [8,12)        NA
# 4 [12,16)        NA
# 5 [16,20)        NA
# 6 [20,24)   477.049

res伟大的答案！非常干净。学习。