总结出现并合并在R

Question

努力学习R，但似乎在SQL中很容易做到的事情上遇到障碍。

问题如下： 我有2个表格： 表A：由'初始命令'组成。这是我们与客户的第一次联系。表B：由“次级订单”组成，即跟进与初始订单相关的订单。

有一对多的关系。 表A具有以下的列：

• 订货号
• 订单日期
• 部件号
• 客户ID

表B具有以下的列：

• 订单号
• 订单日期
• 部件号
• 初始顺序号

假定每个顺序总是为1的数量，但是我可以在A.在乙多行对于每个初始顺序

我想现在要做的是合并这两个表，但我希望有一个总结，通过B的部件号，联系到A.

数据看起来像这样 答：

Order_Num Order_date Part_Num Cust_ID 
     100 1/1/2013  1001  1111 
     101 1/15/2013  1002  1111 

B：

Order_Num Order_date Part_Num Init_Order_Num 
     200 2/1/2013  2001    100 
     201 3/15/2013  2002    100 
     202 4/18/2013  2002    100 
     203 5/1/2013  2002    101 

我想看到的到底是这样的：

Order_Num Order_date Part_Num Cust_ID Count_Part_2001 Count_Part_2002 
     100 1/1/2013  1001  1111    1    2 
     101 1/15/2013  1002  1111    1     

我已经通过各种解决方案，这里包括使用ddply望去，数，汇总，总计等，但似乎没有工作。数据集有大约2.6米初始订单和40万次要订单。 尝试使用ddply，即使我将数据设置为1000次级订单仍然导致内存不足错误（我在机器中有16GB）。

在SQL我会使用一个计数（订单号），在辅助组中按部件号分组，然后将初始订单号上的初始订单表连接起来（还会创建'Count_Part_2001'和'Count_Part_2002'列。Pivot的工作方式与R中的melt（）命令相反）。

Answer 1

如果您的变量以更可比较的方式命名以进行合并，则会更容易。这里有一个如何你可以用merge和aggregate进行一个例子，其中我刚刚更名的变量：

A <- structure(list(Ord_num_1 = c(100, 101), Ord_date_1 = c(" 1/1/2013 ", 
    " 1/15/2013 "), Part_num = c(1001, 1002), Cust_ID = c(1111,    
    1111)), .Names = c("Ord_num_1", "Ord_date_1", "Part_num", "Cust_ID"  
    ), row.names = 1:2, class = "data.frame") 

B <- structure(list(Ord_num_2 = c(200, 201, 202, 203), Ord_date_2 = c(" 2/1/2013 ", 
    " 3/15/2013 ", " 4/18/2013 ", " 5/1/2013 "), Part_num = c(2001,     
    2002, 2002, 2002), Ord_num_1 = c(100, 100, 100, 101)), .Names = c("Ord_num_2",  
    "Ord_date_2", "Part_num", "Ord_num_1"), row.names = c(NA, 4L), class = "data.frame") 

A和B现在这个样子：

A 
# Ord_num_1 Ord_date_1 Part_num Cust_ID 
# 1  100 1/1/2013  1001 1111 
# 2  101 1/15/2013  1002 1111 
B 
# Ord_num_2 Ord_date_2 Part_num Ord_num_1 
# 1  200 2/1/2013  2001  100 
# 2  201 3/15/2013  2002  100 
# 3  202 4/18/2013  2002  100 
# 4  203 5/1/2013  2002  101 

让我们将它们合并：

AB <- merge(A, B, by = "Ord_num_1") 
# Ord_num_1 Ord_date_1 Part_num.x Cust_ID Ord_num_2 Ord_date_2 Part_num.y 
# 1  100 1/1/2013   1001 1111  200 2/1/2013   2001 
# 2  100 1/1/2013   1001 1111  201 3/15/2013   2002 
# 3  100 1/1/2013   1001 1111  202 4/18/2013   2002 
# 4  101 1/15/2013   1002 1111  203 5/1/2013   2002 

而且aggregate他们：

aggregate(Part_num.x ~ Ord_num_1 + Ord_date_1 + Cust_ID + Part_num.y, AB, length) 
# Ord_num_1 Ord_date_1 Cust_ID Part_num.y Part_num.x 
# 1  100 1/1/2013  1111  2001   1 
# 2  100 1/1/2013  1111  2002   2 
# 3  101 1/15/2013  1111  2002   1 

---

正如@Joran所说，对于大数据，您应该探索data.table包。就这样，这种方法是非常相似：

library(data.table) 
DTA <- data.table(A, key = "Ord_num_1") ## Important for merging 
DTB <- data.table(B, key = "Ord_num_1") 
DTM <- merge(DTA, DTB) 
DTM[, length(Part_num.x), by = c("Ord_num_1", "Ord_date_1", "Cust_ID", "Part_num.y")] 
# Ord_num_1 Ord_date_1 Cust_ID Part_num.y V1 
# 1:  100 1/1/2013  1111  2001 1 
# 2:  100 1/1/2013  1111  2002 2 
# 3:  101 1/15/2013  1111  2002 1 

---

正如你所看到的，然而，这两种解决方案都在“长”格式。这就是说，我发现长格式通常更容易处理。

Answer 2

我对melt，dcast和reshape函数有一点点运气。这是基于你想要的最终结果，而不是一个完整的表格合并。 Ananda能够捕获表B中的许多其他变量。我也不清楚重塑处理大数据集的能力，因此内存问题可能仍然存在。

从阿难的示例代码开始：

B <- B[,3:4] 
B$count <- 1 
B 
#Part_num Ord_num_1 count 
#1  2001  100  1 
#2  2002  100  1 
#3  2002  100  1 
#4  2002  101  1 
mB <- melt(B, id=c("Ord_num_1", "Part_num")) 
#mB 
#Ord_num_1 Part_num variable value 
#1  100  2001 count  1 
#2  100  2002 count  1 
#3  100  2002 count  1 
#4  101  2002 count  1 
cB <- dcast(mB, Ord_num_1 + Part_num ~ variable, sum) 
cB 
# Ord_num_1 Part_num count 
#1  100  2001  1 
#2  100  2002  2 
#3  101  2002  1 
reshape(cB, timevar = "Part_num", idvar = "Ord_num_1", direction = "wide") 
#Ord_num_1 count.2001 count.2002 
#1  100   1   2 
#3  101   NA   1 

然后可以合并到一个使用Ord_num_1关键。我很想知道你可以在data.table包中找到什么，我尚未尝试。