基于分组的DataFrame多计算规则新列生成方法

原始数据框 #

example_df <- data.frame(
  Group_name = c("Group 1", "Group 1", "Group 2", "Group 2", "Group 2"),
  Logical_variable = as.logical(c(F,T,T,F,F)), 
  Numeric_variable = as.numeric(c(1.5e-3, 1, 1, 4e-4, 3e-6))
)

需求说明 #

按Group_name分组，根据Logical_variable的布尔值，按以下规则生成新列new_col：

• 当Logical_variable为FALSE时：当前行Numeric_variable / 同组内所有Logical_variable为FALSE的Numeric_variable之和
• 当Logical_variable为TRUE时：1 / (1 + 同组内所有Logical_variable为FALSE的Numeric_variable之和)

目标结果列 #

example_df$new_col <- c(1, 0.9985022, 0.9995972, 0.9925558, 0.007444169)

高效实现方案 #

方案1：dplyr（语法直观，适合常规场景） #

先计算每组内逻辑值为FALSE的数值总和，再通过分支逻辑生成目标列：

library(dplyr)

example_df <- example_df %>%
  group_by(Group_name) %>%
  mutate(
    sum_false = sum(Numeric_variable[!Logical_variable]),
    new_col = case_when(
      !Logical_variable ~ Numeric_variable / sum_false,
      Logical_variable ~ 1 / (1 + sum_false)
    )
  ) %>%
  ungroup()

方案2：data.table（性能最优，适合大量分组/大数据量） #

data.table的分组运算效率远高于基础R和dplyr，在分组数量多、数据规模大时优势显著：

library(data.table)

setDT(example_df)
example_df[, sum_false := sum(Numeric_variable[!Logical_variable]), by = Group_name]
example_df[, new_col := fifelse(!Logical_variable, Numeric_variable / sum_false, 1 / (1 + sum_false))]

结果验证 #

运行上述代码后，example_df$new_col将与目标结果一致：

> example_df$new_col
[1] 1.0000000 0.9985022 0.9995972 0.9925558 0.0074442

内容的提问来源于stack exchange，提问作者ZT_Geo