Question

我有一些像这样的数据集：

# date     # value    class
1984-04-01 95.32384   A
1984-04-01 39.86818   B
1984-07-01 43.57983   A
1984-07-01 10.83754   B

现在我想按数据对数据进行分组，并从A类中减去B类的值。我研究了ddply，总结，融化和聚合，但不能完全得到我想要的东西。有办法轻松完成吗？请注意，我每个日期都有两个值，一个是A类，另一个是B类。我的意思是我可以将它重新排列成两个dfs，按日期和类顺序排列并再次合并，但我觉得还有更多的R方式去做吧。

Answer 1

假设这个数据框（在Prasad的帖子中生成，但重现性为set.seed）：

set.seed(123)
DF <- data.frame( date = rep(seq(as.Date('1984-04-01'), 
                                 as.Date('1984-04-01') + 3, by=1), 
                            1, each=2),
                  class = rep(c('A','B'), 4),
                  value = sample(1:8))

然后我们考虑七种解决方案：

1） zoo 可以为我们提供一行解决方案（不包括library语句）：

library(zoo)
z <- with(read.zoo(DF, split = 2), A - B)

提供此zoo系列：

> z
1984-04-01 1984-04-02 1984-04-03 1984-04-04 
        -3          3          3         -5

另请注意，as.data.frame(z)或data.frame(time = time(z), value = coredata(z))会提供数据框;但是，您可能希望将其保留为动物园对象，因为它是一个时间序列，并且在此形式下可以更方便地对其进行其他操作，例如， plot(z)

2） sqldf 还可以提供一个语句解决方案（除library调用外）：

> library(sqldf)
> sqldf("select date, sum(((class = 'A') - (class = 'B')) * value) as value
+ from DF group by date")
        date value
1 1984-04-01    -3
2 1984-04-02     3
3 1984-04-03     3
4 1984-04-04    -5

3） tapply 可以作为受sqldf解决方案启发的解决方案的基础：

> with(DF, tapply(((class =="A") - (class == "B")) * value, date, sum))
1984-04-01 1984-04-02 1984-04-03 1984-04-04 
        -3          3          3         -5

4）聚合可以与上面的sqldf和tapply相同的方式使用（尽管基于aggregate的略有不同的解决方案已经出现）：

> aggregate(((DF$class=="A") - (DF$class=="B")) * DF["value"], DF["date"], sum)
        date value
1 1984-04-01    -3
2 1984-04-02     3
3 1984-04-03     3
4 1984-04-04    -5

5）doBy包中的 summaryBy 可以提供另一种解决方案，尽管它需要transform来帮助它：

> library(doBy)
> summaryBy(value ~ date, transform(DF, value = ((class == "A") - (class == "B")) * value), FUN = sum, keep.names = TRUE)
        date value
1 1984-04-01    -3
2 1984-04-02     3
3 1984-04-03     3
4 1984-04-04    -5

来自remix软件包的 remix 也可以使用transform并且具有特别漂亮的输出：

> library(remix)
> remix(value ~ date, transform(DF, value = ((class == "A") - (class == "B")) * value), sum)
value ~ date
============

+------+------------+-------+-----+
|                           | sum |
+======+============+=======+=====+
| date | 1984-04-01 | value | -3  |
+      +------------+-------+-----+
|      | 1984-04-02 | value | 3   |
+      +------------+-------+-----+
|      | 1984-04-03 | value | 3   |
+      +------------+-------+-----+
|      | 1984-04-04 | value | -5  |
+------+------------+-------+-----+

7）Hmisc包中的 summary.formula 也有很好的输出：

> library(Hmisc)
> summary(value ~ date, data = transform(DF, value = ((class == "A") - (class == "B")) * value), fun = sum, overall = FALSE)
value    N=8

+----+----------+-+-----+
|    |          |N|value|
+----+----------+-+-----+
|date|1984-04-01|2|-3   |
|    |1984-04-02|2| 3   |
|    |1984-04-03|2| 3   |
|    |1984-04-04|2|-5   |
+----+----------+-+-----+

Answer 2

我能想到的最简单方法是使用dcast包中的reshape2来创建一个数据框，每行包含一个日期，列A和{{1} }，然后使用B执行transform：

A-B

Answer 3

在基础R中，我会使用aggregate和sum来解决问题。这可以通过将B类的每个值转换为负值来实现：

（使用@PrasadChalasani提供的数据）

df <- within(df, value[class=="B"] <- -value[class=="B"])
aggregate(df$value, by=list(date=df$date), sum)

        date x
1 1984-04-01 3
2 1984-04-02 2
3 1984-04-03 2
4 1984-04-04 1

Answer 4

为了记录，我最喜欢重塑选项。这是一个使用摘要的plyr选项：

library(plyr)

ddply(df, "date", summarise
    , A = value[class == "A"]
    , B = value[class == "B"]
    , A_B = value[class == "A"] - value[class == "B"]
)

以下组的R方式是什么？

4 个答案: