Как объединить два кадра данных на общих столбцах в R с суммой других?

R Версия 2.11.1 32-бит в Windows 7

У меня есть два набора данных: data_A и data_B:

data_A

USER_A USER_B ACTION
1      11     0.3
1      13     0.25
1      16     0.63
1      17     0.26
2      11     0.14
2      14     0.28

Данные

USER_A USER_B ACTION
1      13     0.17
1      14     0.27
2      11     0.25

Теперь я хочу добавить ACTION data_B в data_A, если их USER_A и USER_B равны. В качестве примера выше результат будет выглядеть следующим образом:

data_A

USER_A USER_B ACTION
1      11     0.3
1      13     0.25+0.17
1      16     0.63
1      17     0.26
2      11     0.14+0.25
2      14     0.28

Итак, как я мог его достичь?

Ответы

Ответ 1

Вы можете использовать ddply в пакете plyr и объединить его с merge:

library(plyr)
ddply(merge(data_A, data_B, all.x=TRUE), 
  .(USER_A, USER_B), summarise, ACTION=sum(ACTION))

Обратите внимание, что merge вызывается с параметром all.x=TRUE - это возвращает все значения в первом data.frame, переданном в merge, то есть data_A:

  USER_A USER_B ACTION
1      1     11   0.30
2      1     13   0.25
3      1     16   0.63
4      1     17   0.26
5      2     11   0.14
6      2     14   0.28

Ответ 2

Подобная вещь довольно проста в использовании операции с базами данных. Здесь я использую пакет sqldf, чтобы сделать левое (внешнее) соединение, а затем суммировать результирующий объект:

require(sqldf)
tmp <- sqldf("select * from data_A left join data_B using (USER_A, USER_B)")

Это приводит к:

> tmp
  USER_A USER_B ACTION ACTION
1      1     11   0.30     NA
2      1     13   0.25   0.17
3      1     16   0.63     NA
4      1     17   0.26     NA
5      2     11   0.14   0.25
6      2     14   0.28     NA

Теперь нам просто нужно собрать два столбца ACTION:

data_C <- transform(data_A, ACTION = rowSums(tmp[, 3:4], na.rm = TRUE))

Что дает желаемый результат:

> data_C
  USER_A USER_B ACTION
1      1     11   0.30
2      1     13   0.42
3      1     16   0.63
4      1     17   0.26
5      2     11   0.39
6      2     14   0.28

Это можно сделать с помощью стандартной функции R merge:

> merge(data_A, data_B, by = c("USER_A","USER_B"), all.x = TRUE)
  USER_A USER_B ACTION.x ACTION.y
1      1     11     0.30       NA
2      1     13     0.25     0.17
3      1     16     0.63       NA
4      1     17     0.26       NA
5      2     11     0.14     0.25
6      2     14     0.28       NA

Итак, мы можем заменить вызов sqldf() выше:

tmp <- merge(data_A, data_B, by = c("USER_A","USER_B"), all.x = TRUE)

в то время как вторая строка с использованием transform() остается неизменной.