如何用R中的两个因子总结数值变量

我有一个data.frame，包含3个变量和1.425.558个观察值。这是可再生能源发电厂的装机电力登记册。每行代表一个已安装的发电厂。一个zipcode区域内可以有多个相同类型的发电厂

ID  zipcode     Type    power
1   79280   solarpower  3
2   79280   solarpower  3
3   79283   hydroelectric   3
4   79280   biogas          55
5   79280   windpower   2
6   21459   windpower   4
7   21459   windpower   2

我想通过zipcode计算安装了多少太阳能/沼气/风能

zipcode     Type    power
21459        windpower    6
79280        solarpower   6
79280        windpower    2
...and so on.

我已经试过了

aggregate(myDat$power, by=list(myDat$zipcode,myDat$type), FUN=sum)

但是我的公羊不够

我知道，我的数据框很大。我可以把范围缩小很多，因为我只需要那些以“2”开头的Zipcode的数据

你能给我指出一个解决办法吗？

---

非常感谢您对初学者的帮助

如果我正确理解您的需要，您可以使用dplyr来表达：

> data %.% group_by( zipcode, Type ) %.% summarise( power = sum(power) )
Source: local data frame [5 x 3]
Groups: zipcode

  zipcode          Type power
1   21459     windpower     6
2   79280     windpower     2
3   79280        biogas    55
4   79283 hydroelectric     3
5   79280    solarpower     6

如果您只需要那些以

2

开头的邮政编码，您可以先

过滤

：

> data %.% filter( grepl( "^2", zipcode ) ) %.% 
     group_by( zipcode, Type ) %.% summarise( power = sum(power) )
Source: local data frame [1 x 3]
Groups: zipcode

  zipcode      Type power
1   21459 windpower     6

---

数据表

版本：

library(data.table)
dt = data.table(your_df)

dt[, sum(power), by = list(zipcode, Type)]

首先要缩小范围：

dt[grep("^2", zipcode), sum(power), by = list(zipcode, Type)]

因为

grep

很昂贵，所以在

dplyr

和

数据表中，您可能最好先汇总（速度方面），然后过滤，即：

dt[, sum(power), by = list(zipcode, Type)][grep("^2", zipcode)]

在
grep
中使用
perl=TRUE
参数有助于加快速度。此外，如果您知道邮政编码始终是5位数字，您可以这样做：
zipcode%/%10000==2
（不转换为字符也可以节省更多时间）。