Question

如何汇总结果？

x=iris[,1:4]
transform(x,"sum"=apply(x,MARGIN=1,FUN=sum))

输出是：

    Sepal.Length Sepal.Width Petal.Length Petal.Width  sum
1            5.1         3.5          1.4         0.2 10.2
2            4.9         3.0          1.4         0.2  9.5
3            4.7         3.2          1.3         0.2  9.4
4            4.6         3.1          1.5         0.2  9.4

（省略了很多行），我只想更好地了解聚合，也许很难得到与聚合函数相同的结果。

Answer 1

您的问题似乎与我希望遵循的代码有所不同。 aggregate旨在＆＃34;适用＆＃34;列的特定功能，但仅限于由＆＃34; by＆＃34;划分的类别。论点。它旨在＆＃34;在特定类别中聚合。

apply（其第二个参数设置为2而不是代码中的1）将在整个列上使用函数。没有分组变量。编码器在不同含义和导入的向量上逐行运行，因此它返回每个人的四个不同测量值的各个总和，除非已经建立了一些准备或基础工作，否则这个过程可能毫无意义。

如果您想以类似于聚合的方式使用apply，请查看以下内容：

> sapply( split(iris[,1:4], iris[, 5]), apply, 2, sum)
             setosa versicolor virginica
Sepal.Length  250.3      296.8     329.4
Sepal.Width   171.4      138.5     148.7
Petal.Length   73.1      213.0     277.6
Petal.Width    12.3       66.3     101.3


> aggregate(iris[ ,1: 4], iris[5], FUN=sum)
     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        250.3       171.4         73.1        12.3
2 versicolor        296.8       138.5        213.0        66.3
3  virginica        329.4       148.7        277.6       101.3

如果你的目标不是进行任何类别计算，你会传递一个与数据帧行数相同长度的列表：

> aggregate(iris[ ,1: 4], list(rep(1,nrow(iris))),  FUN=sum)
  Group.1 Sepal.Length Sepal.Width Petal.Length Petal.Width
1       1        876.5       458.6        563.7       179.9
> apply(iris[1:4], 2, sum)
Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
       876.5        458.6        563.7        179.9

Answer 2

如果Rubens是正确的，并且您想使用apply而不是aggregate，并且您对今天发布的aggregate表达式感兴趣，那么您可以使用{ {1}}。

What is the meaning of ~ in aggregate?

tapply

已修改为添加x=iris[,1:4] names(x)<-c("x1","x2","x3","x4") aggregate(x1+x2+x3+x4~x1,FUN=sum,data=x) tapply((x$x1 + x$x2 + x$x3 + x$x4), x$x1, sum)和sapply修改自DWin的答案，以提供与lapply相同的答案，紧随其上方的tapply，以及aggregate，rapply以及重新格式化的vapply和tapply函数：

by

我还没想出如何用with(x, sapply(split((x1 + x2 + x3 + x4), x1), sum)) with(x, lapply(split((x1 + x2 + x3 + x4), x1), sum)) with(x, rapply(split((x1 + x2 + x3 + x4), x1), sum)) with(x, tapply( (x1 + x2 + x3 + x4), x1 , sum)) with(x, vapply(split((x1 + x2 + x3 + x4), x1), sum, FUN.VALUE=1)) with(x, by((x1 + x2 + x3 + x4), x1, sum))得到相同的答案。嗯，这是一种方式，但它非常愚蠢：

mapply

最后，这里有一种方法可以使用tapply(mapply(sum, x$x1 , x$x2 , x$x3 , x$x4), x$x1, sum)（在apply内）获得与上述其他行相同的答案：

tapply

最后一件事，如果您确实希望tapply(apply((x[,1:4]),1,sum),x$x1,sum)能够在帖子中返回与aggregate语句相同的答案，那么这是可能的。但是，您所做的只是使用apply语句将每一行汇总。因此，您必须“欺骗”apply认为Iris数据集中的每一行都有一个单独的组，如下所示：

aggregate

如何在聚合中获得相同的结果？

2 个答案: