R中路线产生的总收入

Question

我有一个原产地（“从”），目的地（“到”）和价格如下的数据集：

from    to  price
A       B   28109
A       D   2356
A       E   4216
B       A   445789
B       D   123
D       A   45674
D       B   1979

我想考虑回程路线来总结价格。例如，A - B由以下数据组成：

from    to  price
  A     B   28109
  B     A   445789

然后，取价格总和（28109 + 445789）。输出将如下所示：

route   total_price
A - B   473898
A - D   48030
A - E   4216
B - D   2102

我想要运行for循环，但我的数据量非常大（800k行）。任何帮助将受到高度赞赏。非常感谢提前。

Answer 1

您可以通过对from-to对进行排序，然后对该排序对进行分组并进行求和来完成此操作。

编辑：请参阅@JasonAizkalns对tidyverse等效的回答

library(data.table)
setDT(df)

df[, .(total_price = sum(price))
   , by = .(route = paste(pmin(from, to), '-', pmax(from, to)))]

#    route total_price
# 1: A - B      473898
# 2: A - D       48030
# 3: A - E        4216
# 4: B - D        2102

@Frank指出，这个结果隐藏了路线"A - E"不完整的事实，因为from == 'E'和to == 'A'没有原始数据行。他提供了捕获该信息的好方法（以及更多），我在下面添加了其他一些信息。

df[, .(total_price = sum(price), complete = .N > 1)
   , by = .(route = paste(pmin(from, to), '-', pmax(from, to)))]

#    route total_price complete
# 1: A - B      473898     TRUE
# 2: A - D       48030     TRUE
# 3: A - E        4216    FALSE
# 4: B - D        2102     TRUE

df[, .(total_price = sum(price), paths_counted = .(paste(from, '-', to)))
   , by = .(route = paste(pmin(from, to), '-', pmax(from, to)))]

#    route total_price paths_counted
# 1: A - B      473898   A - B,B - A
# 2: A - D       48030   A - D,D - A
# 3: A - E        4216         A - E
# 4: B - D        2102   B - D,D - B

使用的数据

df <- fread('
from    to  price
A       B   28109
A       D   2356
A       E   4216
B       A   445789
B       D   123
D       A   45674
D       B   1979')

Answer 2

你可以做一个自我加入，然后事情非常简单：

library(tidyverse)

df <- readr::read_table("
from    to  price
A       B   28109
A       D   2356
A       E   4216
B       A   445789
B       D   123
D       A   45674
D       B   1979
")

df %>%
  inner_join(df, by = c("from" = "to")) %>%
  filter(to == from.y) %>%
  mutate(
    route = paste(from, "-", to),
    total_price = price.x + price.y
  )
#> # A tibble: 6 x 7
#>   from  to    price.x from.y price.y route total_price
#>   <chr> <chr>   <dbl> <chr>    <dbl> <chr>       <dbl>
#> 1 A     B       28109 B       445789 A - B      473898
#> 2 A     D        2356 D        45674 A - D       48030
#> 3 B     A      445789 A        28109 B - A      473898
#> 4 B     D         123 D         1979 B - D        2102
#> 5 D     A       45674 A         2356 D - A       48030
#> 6 D     B        1979 B          123 D - B        2102

由reprex package创建于2019-03-20（v0.2.1）

因为我更喜欢@ IceCreamToucan的答案，这里是tidyverse的等价物：

df %>%
  group_by(route = paste(pmin(from, to), "-", pmax(from, to))) %>%
  summarise(total_price = sum(price))

Answer 3

还有一个tidyverse可能性：

df %>%
 nest(from, to) %>%
 mutate(route = unlist(map(data, function(x) paste(sort(x), collapse = "_")))) %>%
 group_by(route) %>%
 summarise(total_price = sum(price))

  route total_price
  <chr>       <int>
1 A_B        473898
2 A_D         48030
3 A_E          4216
4 B_D          2102

在这种情况下，首先，它创建一个由值“from”和“to”变量组成的列表。其次，它对列表中的元素进行排序并将它们组合在一起，由_分隔。最后，它按组合元素分组并获得总和。

或涉及从长远转变：

df %>%
 rowid_to_column() %>%
 gather(var, val, -c(rowid, price)) %>%
 arrange(rowid, val) %>%
 group_by(rowid) %>%
 summarise(route = paste(val, collapse = "_"),
           price = first(price)) %>%
 group_by(route) %>%
 summarise(total_price = sum(price))

为此，它首先执行从长到长的数据转换，不包括行ID和“价格”。其次，它根据行ID和“from”和“to”中包含的值排列数据。第三，它按行ID分组，将元素组合在一起，由_分隔。最后，它按此变量分组并获得总和。

Answer 4

我会做...

library(data.table)
setDT(df)

pts = df[, unique(c(from, to))]
rDT = CJ(P1 = pts, P2 = pts)[P1 < P2]

rDT[df, on=.(P1 = from, P2 = to), r12 := i.price]
rDT[df, on=.(P2 = from, P1 = to), r21 := i.price]
rDT[, r := r12 + r21]

   P1 P2   r12    r21      r
1:  A  B 28109 445789 473898
2:  A  D  2356  45674  48030
3:  A  E  4216     NA     NA
4:  B  D   123   1979   2102
5:  B  E    NA     NA     NA
6:  D  E    NA     NA     NA

这将清楚地表明数据不完整的地方。**您可以仅对完整记录过滤到rDT[!is.na(r)]。

** @ JasonAizkalns和@ IceCreamToucan的回答也解决了这个问题，但与OP要求的输出形成鲜明对比。