1

A partir de un data.frame con las siguientes caracteristicas:

df <- data.frame(mes= rep(10:12, each = 4)
                 , hour = rep(1:2, 6)
                 , value = sample(1:12))

df

> df
   mes hour value
1   10    1     6
2   10    2     9
3   10    1    10
4   10    2    12
5   11    1     7
6   11    2     2
7   11    1    11
8   11    2     3
9   12    1     5
10  12    2     1
11  12    1     8
12  12    2     4 

me gustaria generar otro data.frame con las sumas acumuladas de "value" por hora en cada uno de los meses algo como esto:

>df2
   mes hour value
1   10    1    16
2   10    2    18
3   11    1    18
4   11    2     5
5   12    1    13
6   12    2     5 

alguna idea de como puedo lograrlo?

0

2 respuestas 2

1

para este tipo de situaciones la librería dplyr hace muy fácil la transformación que necesitas. Simplemente creas primero los grupos de datos (en este caso, cada combinación de mes y hour) y luego haces un sumario, en este caso con la sumatoria de value para cada uno de los grupos que definiste antes. Uso tuberías para enlazar las funciones, pero podrías formularlo de otro modo.

library(tidyverse)      #Esta librería a su vez empaqueta a `dplyr` y otras librerías muy útiles para manipulación de datos. 

tribble(
~mes, ~hour, ~value,
 10,    1,     6,
 10,    2,     9,
 10,    1,    10,
 10,    2,    12,
 11,    1,     7,
 11,    2,     2,
 11,    1,    11,
 11,    2,     3,
 12,    1,     5,
 12,    2,     1,
 12,    1,     8,
 12,    2,     4) ->datos     #Creo la estructura de datos y le asigno el nombre datos. 

Con esto ya tengo en mi entorno el objeto datos.

datos %>%                      #La tubería pasa la función siguiente (lo llamamos lado derecho) el output de la anterior (lado izquierdo). En este caso pasa el objeto datos.  
group_by(mes, hour) %>%        #Agrupo por mes y hour, si miras el output de esta función verás que no cambia nada en los datos, pero agrega atributos de grupos que usará la siguiente función. 
  summarise(suma=sum(value))   #Crea un sumario con la sumatoria de datos, lo interesante es que la sumatoria es para cada uno de los grupos que definí antes. 

y obtengo:

# A tibble: 6 x 3
# Groups:   mes [?]
mes  hour  suma
<dbl> <dbl> <dbl>
  10     1    16
  10     2    21
  11     1    18
  11     2     5
  12     1    13
  12     2     5

Después de la última función podrías usar el asignador a la derecha -> para ponerle nombre a tu output, si es lo que necesitás. O usar el asignador tradicional <- al principio de toda la cadena. El resultado es el mismo: una data.frame. Eso es importante porque si quieres seguir haciendo operaciones tienes una estructura de datos muy manejable.

Otros usos de summarise()

Con group_by() y summarise() es muy fácil hacer sumarios de los datos, siempre que tengan la estructura correcta. Por ejemplo, ver el promedio de value en cada mes:

datos %>% 
  group_by(mes) %>% 
  summarise(promedio=mean(value))

O identificar el valor mayor para un hour en cada mes:

datos %>% 
  group_by(mes, hour) %>% 
  summarise(maximo=max(value))
1
  • muchas gracias funciona
    – Edgar Mora
    Commented el 1 dic. 2017 a las 17:54
1

Como alternativa a la buena respuesta de mpaladino, no puedo dejar pasar de señalar la solución usando R base:

aggregate(value~mes+hour, data=df, FUN=sum)

Explicación:

  • aggregate() es la función básica de R para armar grupos de un data.frame y aplicar múltipes rutinas a cada grupo
  • Tiene muchas formas de ser invocada, esta, usando la fórmula value~mes+hour es óptima por que devuelve un data.frame similar al que buscas
  • Sobre cada grupo aplicamos la función sum()

El único tema que le veo, es que la salida por defecto no tiene el orden que estarías esperando, pero eventualmente podríamos ordenar pasando la agrupación por un objeto intermedio, o incluso, más fácil, ajustar un poco la llamada a aggregate():

> df
   mes hour value
1   10    1     8
2   10    2     5
3   10    1     4
4   10    2    11
5   11    1     2
6   11    2     3
7   11    1    12
8   11    2    10
9   12    1     6
10  12    2     7
11  12    1     9
12  12    2     1

> aggregate(value~hour+mes, data=df, FUN=sum)[,c(2,1,3)]
  mes hour value
1  10    1    12
2  10    2    16
3  11    1    14
4  11    2    13
5  12    1    15
6  12    2     8
3
  • muchas gracias me funcionó
    – Edgar Mora
    Commented el 1 dic. 2017 a las 17:54
  • Yo quiero hacer lo mismo, he probado tanto con el summarise como con aggregate y se me genera una lista de NA a pesar de que en los datos que uso para esto no tengo ningún perdido, ¿cómo lo arreglo? Commented el 1 may. 2021 a las 18:33
  • @NoeliaMosPérez, no tengo forma de ayudarte sin conocer previamente que datos tienes, te sugiero que formules una pregunta y no olvides agregar un ejemplo de los datos de entrada y un ejemplo de la salida que buscas Commented el 1 may. 2021 a las 22:25

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.