Поскольку вы довольно плохо знакомы с R и скорость, по-видимому, является проблемой для вас, я рекомендую data.tableпакет, который действительно быстр. Один из способов решить вашу проблему в одной строке:

library(data.table)
DT <- data.table(ID = rep(c(1:3), each=3),
                 cand.perc = 1:9,
                 key="ID")
DT <- DT[ , perc.total := sum(cand.perc), by = ID]
DT
      ID Perc.total cand.perc
 [1,]  1          6         1
 [2,]  1          6         2
 [3,]  1          6         3
 [4,]  2         15         4
 [5,]  2         15         5
 [6,]  2         15         6
 [7,]  3         24         7
 [8,]  3         24         8
 [9,]  3         24         9

Отказ от ответственности: я не эксперт по data.table (пока ;-), так что могут быть более быстрые способы сделать это. Посетите сайт пакета, чтобы начать, если вы заинтересованы в использовании пакета: http://datatable.r-forge.r-project.org/

Используйте tapplyдля получения групповой статистики, затем добавьте ее обратно в набор данных.

Воспроизводимый пример:

means_by_wool <- with(warpbreaks, tapply(breaks, wool, mean))
warpbreaks$means.by.wool <- means_by_wool[warpbreaks$wool]

Непроверенное решение для вашего сценария:

sum_by_id <- with(df, tapply(cand.perc, id, sum))
df$perc.total <- sum_by_id[df$id]

ilprincipe если ничего из вышеперечисленного не соответствует вашим потребностям, вы можете попробовать перенести ваши данные

dft=t(df)

затем используйте aggregate

dfta=aggregate(dft,by=list(rownames(dft)),FUN=sum)

затем вернулись ваши имена строк

rownames(dfta)=dfta[,1]
dfta=dfta[,2:ncol(dfta)]

Транспонировать обратно в исходное положение

df2=t(dfta)

и привязать к исходным данным

newdf=cbind(df,df2)

Почему вы используете cbind (x, ...), вывод ddply будет добавлен автоматически. Это должно работать:

ddply(df, "id", transform, perc.total = sum(cand.perc))

избавление от лишнего cbind должно ускорить процесс.

Вы также можете загрузить свой любимый сервер foreach и попробовать аргумент .parallel = TRUE для ddply.