Агрегирование строк в таблице с использованием нескольких агрегатных операций на основе имени столбца в R

Для параметраounceRate, связанного с максимальным значением сеанса, вы можете использовать slice_max из dplyr:

library(dplyr)

summarise(data, users=sum(users), sessions=sum(sessions), .by=c(yearMonth, page)) |>
  inner_join(
        slice_max(data, sessions, by=c(yearMonth, page)) |>
  select(yearMonth, page, bounceRate), 
    by=c("yearMonth", "page"))

  yearMonth   page users sessions bounceRate
1    202405 a.html    22       25       0.48
2    202406 b.html    14       16       0.52

Для среднего значенияounceRate:

summarise(data, 
   users=sum(users), 
   sessions=sum(sessions), 
   bounceRate=mean(bounceRate), .by=c(yearMonth, page))

  yearMonth   page users sessions bounceRate
1    202405 a.html    22       25       0.69
2    202406 b.html    14       16       0.52

Используя base функции, мы можем split() фрейм данных перед lapply() использованием пользовательской функции.

data.s <- split(data, ~ yearMonth + page)

# removing empty elements
data.s <- data.s[sapply(data.s, NROW) > 0]

fun <- function(x) {
    users <- sum(x$users)
    sessions <- sum(x$sessions)
    bounceRate <- weighted.mean(x$bounceRate, x$sessions)
    data.frame(x[1,1:2], users, sessions, bounceRate)
}

do.call("rbind", lapply(data.s, fun))
#               yearMonth   page users sessions bounceRate
# 202405.a.html    202405 a.html    22       25     0.5304
# 202406.b.html    202406 b.html    14       16     0.5200

Используя by, maxминимальные сеансы,

> by(data, ~interaction(yearMonth, page), \(x) {
+   bounceRate <- with(x, bounceRate[which.max(sessions)])
+   data.frame(x[1, 1:2], t(colSums(x[c('users', 'sessions')])), bounceRate)
+ }) |> do.call(what='rbind')
              yearMonth   page users sessions bounceRate
202405.a.html    202405 a.html    22       25       0.48
202406.b.html    202406 b.html    14       16       0.52

или weighted.mean сеансов.

> by(data, ~interaction(yearMonth, page), \(x) {
+   bounceRate <- with(x, weighted.mean(x=bounceRate, w=sessions))
+   data.frame(x[1, 1:2], t(colSums(x[c('users', 'sessions')])), bounceRate)
+ }) |> do.call(what='rbind')
              yearMonth   page users sessions bounceRate
202405.a.html    202405 a.html    22       25     0.5304
202406.b.html    202406 b.html    14       16     0.5200

Вот еще одно решение с основанием R by.
Напишите вспомогательную функцию, вычисляющую всю совокупную статистику. И позвоните by. Затем свяжите все do.call.

data <- data.frame(
  yearMonth = c(202405, 202406, 202405),
  page = c("a.html", "b.html", "a.html"),
  users = c(20, 14, 2),
  sessions = c(22, 16, 3),
  bounceRate = c(0.48, 0.52, 0.90)
)

fun <- function(x, na.rm = FALSE) {
  yearMonth <- x[["yearMonth"]][1L]
  page <- x[["page"]][1L]
  users <- sum(x[["users"]], na.rm = na.rm)
  sessions <- sum(x[["sessions"]], na.rm = na.rm)
  bounceRate <- min(x[["bounceRate"]], na.rm = na.rm)
  data.frame(yearMonth, page, users, sessions, bounceRate)
}

by(data, data[1:2], fun) |> do.call(rbind, args = _)
#>   yearMonth   page users sessions bounceRate
#> 1    202405 a.html    22       25       0.48
#> 2    202406 b.html    14       16       0.52

^{Created on 2024-06-22 with reprex v2.1.0}