R:具有列特定功能的聚合

时间:2012-07-22 16:49:32

标签: r aggregate

我想按时间间隔聚合数据框,对每列应用不同的函数。我想我差不多aggregate了,并且已将我的数据划分为chron包的间隔,这很容易。

但我不确定如何处理子集。所有映射函数*apply*ply都采用了一个函数(我希望能够使用函数向量来应用每列或变量,但是没有找到一个函数所以我编写了一个获取数据框子集的函数,并给出了所有变量的均值,除了" time",这是索引," Runoff"应该是总和。

我试过了:

aggregate(d., list(Time=trunc(d.$time, "00:10:00")), function (dat) with(dat, 
list(Time=time[1], mean(Port.1), mean(Port.1.1), mean(Port.2), mean(Port.2.1), 
mean(Port.3), mean(Port.3.1), mean(Port.4), mean(Port.4.1), Runoff=sum(Port.5))))

即使它没有给我这个错误,也会很难看:

Error in eval(substitute(expr), data, enclos = parent.frame()) : 
  not that many frames on the stack

告诉我,我真的做错了什么。从我所看到的R中我认为必须有一种优雅的方式来做到这一点,但它是什么?

dput:

d. <- structure(list(time = structure(c(15030.5520833333, 15030.5555555556, 
15030.5590277778, 15030.5625, 15030.5659722222), format = structure(c("m/d/y", 
"h:m:s"), .Names = c("dates", "times")), origin = structure(c(1, 
1, 1970), .Names = c("month", "day", "year")), class = c("chron", 
"dates", "times")), Port.1 = c(0.359747, 0.418139, 0.417459, 
0.418139, 0.417459), Port.1.1 = c(1.3, 11.8, 11.9, 12, 12.1), 
    Port.2 = c(0.288837, 0.335544, 0.335544, 0.335544, 0.335544
    ), Port.2.1 = c(2.3, 13, 13.2, 13.3, 13.4), Port.3 = c(0.253942, 
    0.358257, 0.358257, 0.358257, 0.359002), Port.3.1 = c(2, 
    12.6, 12.7, 12.9, 13.1), Port.4 = c(0.352269, 0.410609, 0.410609, 
    0.410609, 0.410609), Port.4.1 = c(5.9, 17.5, 17.6, 17.7, 
    17.9), Port.5 = c(0L, 0L, 0L, 0L, 0L)), .Names = c("time", 
"Port.1", "Port.1.1", "Port.2", "Port.2.1", "Port.3", "Port.3.1", 
"Port.4", "Port.4.1", "Port.5"), row.names = c(NA, 5L), class = "data.frame")

3 个答案:

答案 0 :(得分:8)

你的方法有很多问题。一般建议不是直截了当地认为最终语句应该是什么样子,而是以增量方式工作,否则会使调试(理解和修复错误)变得非常困难。

例如,您可以从:

开始
aggregate(d., list(Time=trunc(d.$time, "00:10:00")), identity)

注意您的split变量有问题。显然aggregate不喜欢使用这类数据。您可以通过将Time转换为数字:

来解决此问题
aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), identity)

然后你可以尝试

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), apply.fun)

其中apply.fun是您的用户定义函数。这失败了一个相当危险的消息,但正在运行

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), print)

有助于意识到FUN内的aggregate函数没有为每个数据块调用一次(并传递一个data.frame),但是对于每个数据块的列调用一次(和传递了一个未命名的向量),因此无法使用aggregate获得所需的结果。

相反,您可以使用ddply包中的plyr函数。在那里,应用于每个部分的功能确实接收到data.frame,因此您可以执行以下操作:

apply.fun <- function(dat) with(dat, data.frame(Time=time[1],
                                                mean(Port.1),
                                                mean(Port.1.1),
                                                mean(Port.2),
                                                mean(Port.2.1),
                                                mean(Port.3),
                                                mean(Port.3.1),
                                                mean(Port.4),
                                                mean(Port.4.1),
                                                Runoff=sum(Port.5)))

d.$Time <- as.numeric(trunc(d.$time, "00:10:00"))
library(plyr)
ddply(d., "Time", apply.fun)

#            Time mean.Port.1. mean.Port.1.1. mean.Port.2. mean.Port.2.1.
# 1 15030.5520833    0.4061886           9.82    0.3262026          11.04
#   mean.Port.3. mean.Port.3.1. mean.Port.4. mean.Port.4.1. Runoff
# 1     0.337543          10.66     0.398941          15.32      0

编辑:在下面的第一条评论中跟进@roysc问题,您可以这样做:

apply.fun <- function(dat) {
  out <- as.data.frame(lapply(dat, mean))
  out$Time <- dat$time[1]
  out$Runoff <- sum(dat$Port.5)
  return(out)
}

答案 1 :(得分:5)

使用by代替aggregate

如果f与您的匿名函数相同,只是其中的listdata.frame替换为f <- function(dat) with(dat, data.frame(...whatever...)),那么:

d.by <- by(d., list(Time = trunc(d.$time, "00:10:00")), f)
d.rbind <- do.call("rbind", d.by) # bind rows together

# fix up row and column names
rownames(d.rbind) <- NULL
colnames(d.rbind) <- colnames(d.)

如果f添加了名称本身而不只是Time,我们可以删除指定列名的最后一个语句。

答案 2 :(得分:1)

这个怎么样?

library(plyr)
ddply(d., .(time), colMeans)