web-dev-qa-db-fra.com

Résumer avec des conditions dans dplyr

Je vais illustrer ma question avec un exemple.

Échantillon de données:

 df <- data.frame(ID = c(1, 1, 2, 2, 3, 5), A = c("foo", "bar", "foo", "foo", "bar", "bar"), B =     c(1, 5, 7, 23, 54, 202))

df
  ID   A   B
1  1 foo   1
2  1 bar   5
3  2 foo   7
4  2 foo  23
5  3 bar  54
6  5 bar 202

Ce que je veux faire est de résumer, par ID, la somme de B et la somme de B lorsque A est "foo". Je peux le faire en quelques étapes comme:

require(magrittr)
require(dplyr)

df1 <- df %>%
  group_by(ID) %>%
  summarize(sumB = sum(B))

df2 <- df %>%
  filter(A == "foo") %>%
  group_by(ID) %>%
  summarize(sumBfoo = sum(B))

left_join(df1, df2)

  ID sumB sumBfoo
1  1    6       1
2  2   30      30
3  3   54      NA
4  5  202      NA

Cependant, je recherche un moyen plus élégant/plus rapide, car je traite plus de 10 Go de données insuffisantes en mémoire SQL.

require(sqldf)
my_db <- src_sqlite("my_db.sqlite3", create = T)
df_sqlite <- copy_to(my_db, df)

J'ai pensé utiliser mutate pour définir une nouvelle colonne Bfoo:

df_sqlite %>%
  mutate(Bfoo = ifelse(A=="foo", B, 0))

Malheureusement, cela ne fonctionne pas pour la base de données.

Error in sqliteExecStatement(conn, statement, ...) : 
  RS-DBI driver: (error in statement: no such function: IFELSE)
rdplyrsqldf
38
kevinykuo

Ecrire le commentaire de @ hadley comme réponse

df_sqlite %>%
  group_by(ID) %>%
  mutate(Bfoo = if(A=="foo") B else 0) %>%
  summarize(sumB = sum(B),
            sumBfoo = sum(Bfoo)) %>%
  collect
27
kevinykuo

Vous pouvez faire les deux sommes en une seule instruction dplyr:

df1 <- df %>%
  group_by(ID) %>%
  summarize(sumB = sum(B),
            sumBfoo = sum(B[A=="foo"]))
65
eipi10

Si vous voulez compter au lieu de résumer, la réponse est quelque peu différente. Le changement de code est faible, en particulier dans la partie de comptage conditionnel.

df1 <- df %>%
    group_by(ID) %>%
    summarize(countB = n(),
              countBfoo = sum(A=="foo"))

df1
Source: local data frame [4 x 3]

  ID countB countBfoo
1  1      2         1
2  2      2         2
3  3      1         0
4  5      1         0
7
LauriK

Si vous voulez compter les lignes, au lieu de les additionner, pouvez-vous passer une variable à la fonction:

    df1 <- df %>%
group_by(ID) %>%
summarize(RowCountB = n(),
          RowCountBfoo = n(A=="foo"))

Je reçois une erreur à la fois avec n() et nrow().

0
user3116297