编辑 - 对更新后的问题的回复

Question

我是R的新手，我根据自己的需要编写了一些代码来汇总.csv文件中的数据。

这是代码。

raw <- read.csv("trees.csv")

看起来像这样

                                 SNAME     CNAME        FAMILY PLOT INDIVIDUAL CAP   H
1 Alchornea triplinervia (Spreng.) M. Arg. Tainheiro Euphorbiaceae    5        176  15 9.5
2               Andira fraxinifolia Benth.   Angelim      Fabaceae    3        321  12 6.0
3               Andira fraxinifolia Benth.   Angelim      Fabaceae    3        326  14 7.0
4               Andira fraxinifolia Benth.   Angelim      Fabaceae    3        327  18 5.0
5               Andira fraxinifolia Benth.   Angelim      Fabaceae    3        328  12 6.0
6               Andira fraxinifolia Benth.   Angelim      Fabaceae    3        329  21 7.0

#add 2 other rows
for (i in 1:nrow(raw)) {
  raw$VOLUME[i] <- treeVolume(raw$CAP[i],raw$H[i])  
  raw$BASALAREA[i] <- treeBasalArea(raw$CAP[i])
}

#here来了。我需要一个新的数据框，包括列H和CAP的平均值以及列VOLUME和BASALAREA的总和。此数据框按列SNAME分组，并按列PLOT进行子分组。

plotSummary = merge(
  aggregate(raw$CAP ~ raw$SNAME * raw$PLOT, raw, mean),
  aggregate(raw$H ~ raw$SNAME * raw$PLOT, raw, mean))

plotSummary = merge(
  plotSummary,
  aggregate(raw$VOLUME ~ raw$SNAME * raw$PLOT, raw, sum))


plotSummary = merge(
  plotSummary,
  aggregate(raw$BASALAREA ~ raw$SNAME * raw$PLOT, raw, sum))

函数treeVolume和treeBasal区域只返回数字。

treeVolume <- function(radius, height) {
  return (0.000074230*radius**1.707348*height**1.16873)
}

treeBasalArea <- function(radius) {
  return (((radius**2)*pi)/40000)
}

我确信有更好的方法可以做到这一点，但是如何？

Answer 1

我无法读取你的示例数据，但我认为我已经做了一些通常代表它的东西......所以给它一个旋转。这个答案建立在Greg建议的基础上，即根据您的data.frame和ddply分段来查看plyr和函数numcolwise，以计算您感兴趣的统计数据。

#Sample data
set.seed(1)
dat <- data.frame(sname = rep(letters[1:3],2), plot = rep(letters[1:3],2), 
                  CAP = rnorm(6), 
                  H = rlnorm(6), 
                  VOLUME = runif(6),
                  BASALAREA = rlnorm(6)
                  )


#Calculate mean for all numeric columns, grouping by sname and plot
library(plyr)
ddply(dat, c("sname", "plot"), numcolwise(mean))
#-----
  sname plot        CAP        H    VOLUME BASALAREA
1     a    a  0.4844135 1.182481 0.3248043  1.614668
2     b    b  0.2565755 3.313614 0.6279025  1.397490
3     c    c -0.8280485 1.627634 0.1768697  2.538273

编辑 - 对更新后的问题的回复

好的 - 现在您的问题或多或少可以重现，这就是我接近它的方法。首先，您可以利用R是vectorized这一事实，这意味着您可以在一次通过中计算VOLUME和BASALAREA中的所有值，而不会遍历每一行。对于那一点，我推荐transform函数：

dat <- transform(dat, VOLUME = treeVolume(CAP, H), BASALAREA = treeBasalArea(CAP))

其次，意识到你打算计算CAP＆amp ;;的不同统计数据。 H然后VOLUME＆amp; BASALAREA，我建议使用summarize函数，如下所示：

ddply(dat, c("sname", "plot"), summarize,
  meanCAP = mean(CAP),
  meanH = mean(H),
  sumVOLUME = sum(VOLUME),
  sumBASAL = sum(BASALAREA)
  )

这将为您提供如下输出：

  sname plot   meanCAP     meanH    sumVOLUME     sumBASAL
1     a    a 0.5868582 0.5032308 9.650184e-06 7.031954e-05
2     b    b 0.2869029 0.4333862 9.219770e-06 1.407055e-05
3     c    c 0.7356215 0.4028354 2.482775e-05 8.916350e-05

?ddply, ?transform, ?summarize的帮助页应具有洞察力。

Answer 2

查看plyr包。我将为你分割SNAME变量的数据，然后你给它代码来做你想要的一组摘要（混合均值和总和等等），然后它会把碎片重新组合在一起。您可能想要该包中的'ddply'或'daply'功能。

使用R汇总来自csv的数据

2 个答案:

编辑 - 对更新后的问题的回复