R语言按Job.Family列分组统计Salaries与Retirement总和的方法

你可以通过以下几种常用方案实现按Job.Family分组求和的需求： #

方法1：Base R 原生实现（无需额外安装包） #

使用aggregate函数直接完成分组聚合，代码如下：

# 直接对选中的列按Job.Family分组求和
agg_result <- aggregate(. ~ Job.Family, 
                        data = data[1:20,c("Job.Family", "Salaries", "Retirement")], 
                        FUN = sum,
                        na.rm = TRUE)

参数说明：na.rm = TRUE可以避免列中存在空值时求和结果为NA，若确定数据无空值可省略该参数。

方法2：dplyr包实现（语法更清晰，主流数据分析方案） #

# 未安装包先运行install.packages("dplyr")
library(dplyr)

agg_result <- data[1:20,c("Job.Family", "Salaries", "Retirement")] %>%
  # 指定分组字段
  group_by(Job.Family) %>%
  # 对每个分组计算两个字段的总和
  summarise(
    total_Salaries = sum(Salaries, na.rm = TRUE),
    total_Retirement = sum(Retirement, na.rm = TRUE)
  )

如果你不需要压缩行数，希望保留所有原始行的同时新增对应职业类别的总和字段，把代码中的summarise替换为mutate即可。

方法3：data.table包实现（适合十万行以上的大数据量场景） #

# 未安装包先运行install.packages("data.table")
library(data.table)

# 转换为data.table格式
setDT(data)
agg_result <- data[1:20, 
                   .(total_Salaries = sum(Salaries, na.rm = TRUE),
                     total_Retirement = sum(Retirement, na.rm = TRUE)),
                   by = Job.Family]

内容的提问来源于stack exchange，提问作者Lee Kuo