Somando as linhas com base no valor da coluna correspondente em R? [duplicado]

Aug 16 2020
        c1       c2       count 
 1        1        1          20
 2        2        3          50 
 3        1        4          30              

Portanto, essencialmente, tenho dados como a tabela acima, mas o que quero fazer é adicionar uma nova coluna que tenha a contagem de cada linha dividida pela soma das contagens de todas as linhas com o mesmo valor c1, terminando com algo como:

        c1       c2       count    new_col
 1        1        1          20     20/50
 2        2        3          40     40/40
 3        1        4          30     30/50

Como você pode ver, a nova coluna tem a contagem da linha dividida pela soma de todas as contagens com o valor c1 correspondente. Então, o que tenho tentado é algo assim:

df$new_col <- df$count/sum(df[SUBSET OF ROWS THAT HAVE SAME c1 VALUE]$count)

Eu vi algo como df [df $ c1 == algum valor,] mas isso só funcionaria como um valor codificado. Eu também poderia tentar usar um loop for, mas leva muito tempo para iterar por cada linha em meus dados e nunca termina a execução, também não sei todos os valores que c1 assume. Eu sou muito novo no R e pode haver uma solução muito simples para isso, mas ainda não fui capaz de encontrá-la.

Respostas

3 Duck Aug 16 2020 at 04:06

Experimente isto:

library(dplyr)
#Data
df <- structure(list(c1 = c(1L, 2L, 1L), c2 = c(1L, 3L, 4L), count = c(20, 
40, 30)), row.names = c("1", "2", "3"), class = "data.frame")

O código:

df %>% group_by(c1) %>% mutate(Sum=sum(count),NewVar=count/Sum)

Resultado:

# A tibble: 3 x 5
# Groups:   c1 [2]
     c1    c2 count   Sum NewVar
  <int> <int> <dbl> <dbl>  <dbl>
1     1     1    20    50    0.4
2     2     3    40    40    1  
3     1     4    30    50    0.6
2 ThomasIsCoding Aug 16 2020 at 04:20

Uma opção de base R via ave

> within(df,new_col <- count/ave(count,c1,FUN = sum))
  c1 c2 count new_col
1  1  1    20     0.4
2  2  3    40     1.0
3  1  4    30     0.6

ou via rowsum(por @akrun do comentário)

> within(df,new_col <- count/rowsum(count,c1)[c1])
  c1 c2 count new_col
1  1  1    20     0.4
2  2  3    40     1.0
3  1  4    30     0.6

Dados

> dput(df)
structure(list(c1 = c(1L, 2L, 1L), c2 = c(1L, 3L, 4L), count = c(20, 
40, 30)), row.names = c("1", "2", "3"), class = "data.frame")