Question

最好通过示例

来说明

str(mtcars)
mtcars$gear <- factor(mtcars$gear, labels=c("three","four","five"))
mtcars$cyl <- factor(mtcars$cyl, labels=c("four","six","eight"))
mtcars$am <- factor(mtcars$am, labels=c("manual","auto")
str(mtcars)
tapply(mtcars$mpg, mtcars$gear, sum)

这给了我每个档位的加总mpg。但是我想要一个3x3的桌子，顶部有齿轮，侧面有圆柱体，而且有两个总和的9个单元格，我怎么能“聪明地”得到它。

我可以去。

tapply(mtcars$mpg[mtcars$cyl=="four"], mtcars$gear[mtcars$cyl=="four"], sum)
tapply(mtcars$mpg[mtcars$cyl=="six"], mtcars$gear[mtcars$cyl=="six"], sum)
tapply(mtcars$mpg[mtcars$cyl=="eight"], mtcars$gear[mtcars$cyl=="eight"], sum)

这看起来很麻烦。

然后我如何在混音中加入第三个变量？

这有点在我正在考虑的空间中。 Summary statistics using ddply

更新这让我在那里，但它并不漂亮。

aggregate(mpg ~ am+cyl+gear, mtcars,sum)

干杯

Answer 1

这个怎么样，还在使用tapply()？它比你知道的更多才多艺！

with(mtcars, tapply(mpg, list(cyl, gear), sum))
#       three  four five
# four   21.5 215.4 56.4
# six    39.5  79.0 19.7
# eight 180.6    NA 30.8

或者，如果您希望打印输出更具解释性：

with(mtcars, tapply(mpg, list("Cylinder#"=cyl, "Gear#"=gear), sum))

如果你想使用两个以上的交叉分类变量，这个想法完全相同。然后，结果将以3维或更多维的数组返回：

A <- with(mtcars, tapply(mpg, list(cyl, gear, carb), sum))

dim(A)
# [1] 3 3 6
lapply(1:6, function(i) A[,,i]) # To convert results to a list of matrices

# But eventually, the curse of dimensionality will begin to kick in...
table(is.na(A))
# FALSE  TRUE 
#    12    42

Answer 2

我认为已经在这个问题上的答案是很棒的选择，但我想根据dplyr包分享一个额外的选项（这对我来说是因为我现在正在教我们使用的课程dplyr用于数据操作，因此我希望避免向学生介绍tapply或aggregate等专业基础R函数。

您可以使用group_by功能将任意数量的变量分组，然后使用summarize汇总这些组中的信息。我认为这个代码对于R新手来说比aggregate的基于公式的界面更具可读性，产生相同的结果：

library(dplyr)
mtcars %>%
  group_by(am, cyl, gear) %>%
  summarize(mpg=sum(mpg))
#       am   cyl  gear   mpg
#    (dbl) (dbl) (dbl) (dbl)
# 1      0     4     3  21.5
# 2      0     4     4  47.2
# 3      0     6     3  39.5
# 4      0     6     4  37.0
# 5      0     8     3 180.6
# 6      1     4     4 168.2
# 7      1     4     5  56.4
# 8      1     6     4  42.0
# 9      1     6     5  19.7
# 10     1     8     5  30.8

使用两个变量，您可以通过添加spread包中tidyr函数的调用来汇总行上的一个变量和列上的另一个变量：

library(dplyr)
library(tidyr)
mtcars %>%
  group_by(cyl, gear) %>%
  summarize(mpg=sum(mpg)) %>%
  spread(gear, mpg)
#     cyl     3     4     5
#   (dbl) (dbl) (dbl) (dbl)
# 1     4  21.5 215.4  56.4
# 2     6  39.5  79.0  19.7
# 3     8 180.6    NA  30.8

Answer 3

我喜欢Josh的答案，但是reshape2也可以为这些类型的问题提供一个很好的框架：

library(reshape2)

#use subset to only grab the variables of interest...
mtcars.m <- melt(subset(mtcars, select = c("mpg", "gear", "cyl")), measure.vars="mpg")
#cast into appropriate format
dcast(mtcars.m, cyl ~ gear, fun.aggregate=sum, value.var="value")

   cyl three  four five
1  four  21.5 215.4 56.4
2   six  39.5  79.0 19.7
3 eight 180.6   0.0 30.8

Answer 4

答案包含使用tapply和aggregate函数的相同输出。

我想在Josh O'Brien的回答中添加一些信息。用户可以使用聚合函数或tapply，具体取决于输出。为了在tapply中使用多个因子变量，可以使用Josh所示的方法。

加载数据集

data("mtcars")

使用tapply

with(mtcars, tapply(mpg, list("Cylinder#"=cyl, "Gear#"=gear), sum))

上述代码的输出是

        Gear#
Cylinder#     3     4    5
    4     21.5 215.4 56.4
    6     39.5  79.0 19.7
    8    180.6    NA 30.8

使用聚合函数

with(mtcars, aggregate(mpg, list(Cylinder = cyl, Gear =  gear), sum))

汇总功能的输出

    Cylinder Gear  x
1        4    3  21.5
2        6    3  39.5
3        8    3 180.6
4        4    4 215.4
5        6    4  79.0
6        4    5  56.4
7        6    5  19.7
8        8    5  30.8

现在，如果用户想要与聚合函数相同的输出，但使用tapply。

as.data.frame(as.table(with(mtcars, tapply(mpg, list("Cylinder#"=cyl, "Gear#"=gear),
sum))))

tapply函数的输出

   Cylinder. Gear.  Freq
1         4     3  21.5
2         6     3  39.5
3         8     3 180.6
4         4     4 215.4
5         6     4  79.0
6         8     4    NA
7         4     5  56.4
8         6     5  19.7
9         8     5  30.8

可以根据业务要求保留或删除NA。

两个或多个因子变量的汇总统计数据？

4 个答案: