Question

我在网上广泛查看并没有看到这个特定问题的答案（我认为）。

我解释自己的最好方法是使用一些代码来复制我的问题。我做了一些临时数据：

x <- runif(100,1,2)
y <- runif(100,2,3)

z <- c(rep(1,100))
temp <- cbind(x,y,z)

temp[1:25,3] = temp[1:25,3] +2

temp <- as.data.frame(temp)

这就是临时的样子

         x        y   z
1   1.512620 2.552271 3
2   1.133614 2.455296 3
3   1.543242 2.490120 3
4   1.047618 2.069474 3
.      .        .     .
.      .        .     .
27  1.859012 2.687665 1
28  1.231450 2.196395 1

并一直持续到数据帧结束（100行）。

我想要做的是将一个函数应用于数据框BUT到数据的子集。因此，例如，我想在z = 3时将函数mean应用于x和y列，并在z = 1时将函数mean应用于x和y列。所以我最终会得到4个值：当z = 1且z = 3时x的平均值和z = 1且z = 3时y的平均值。对于我的实际数据集，z =某个值时的行数变化很大。

我一直在使用以下代码，它可以正常工作;然而，它让我感到非常不安，因为我觉得代码可以更高效，理想情况下避免for循环。

x <- c(unique(temp$z))

我使用^^来获得唯一的z值（在这种情况下，z = 3和z = 1）。

for(i in x){
  assign(paste("newdata",i,sep=""),subset(temp[which(temp$z==i),],select=c("x","y")))
}

所以我现在有两个新数据帧newdata1和newdata3没有相同的行数。当z = 1时，newdata1具有所有值，而当z = 3时，newdata3具有所有值。

library(gdata)

blah <-cbindX(newdata1,newdata3)

我使用cbindX将子集化数据再次组合成一个大数据帧。我不确定为什么我这样做（我很久以前就制作了这段代码）。我记得的是，当我使用上面的for循环时，这是我能够使它工作的唯一方法。代码的主要问题是当我有多个z值然后手动输入该列表变得非常麻烦。如果z的范围是1到50，那么用户可以键入newdata1，newdata2，newdata3 ....等等。

但是......确实有效：

summ.test <- apply(blah,2,function(x) { 
c(min(x,na.rm=TRUE),median(x,na.rm=TRUE),max(x,na.rm=TRUE),sum(!is.na(x)))})

         x         y         x         y
[1,]  1.028332  2.018162  1.012379  2.009595
[2,]  1.509049  2.504000  1.427981  2.455296
[3,]  1.992704  2.998483  1.978359  2.970695
[4,] 75.000000 75.000000 25.000000 25.000000

所以我实际上做的是创建一个新的数据框，其中包含我之前的子集化值，并将感兴趣的函数应用于它们。所以第一行是：z = 1时的平均值，z = 1时的平均值，z = 3时的平均值，z = 3时的平均值。

主要问题应该是相当明显的：用于子集数据框的for循环方法会导致更多问题，我希望如此。有什么建议可以完全避免这种情况并最终得到相同的结果吗？

如果其中任何一个令人困惑，或者我的代码只是简单的马虎，请告诉我！仍在努力格式化本网站上的问题..

Answer 1

library(data.table)
DT <- as.data.table(temp)
DT[, lapply(.SD, mean), by=z]
   z        x        y
1: 3 1.515801 2.309161
2: 1 1.509637 2.532575

或使用基础R：

with(temp, cbind(x=tapply(x, z, mean), y=tapply(y, z, mean)))
         x        y
1 1.509637 2.532575
3 1.515801 2.309161

PS，别忘了设置一个种子，set.seed(1)作为例子;）

Answer 2

> aggregate( . ~ z, data=temp, FUN=mean)
  z        x        y
1 1 1.505304 2.474642
2 3 1.533418 2.477191

当您将相同的函数应用于另一列的类别中的多个列时，请考虑“聚合”。这是版本taht采用公式参数，其中波浪号之前的“点”表示获得除“z”之外的所有列的平均值。

Answer 3

我想要做的是将一个函数应用于数据框BUT到数据的子集。

因此，您可以使用subset或aggregate功能：

data = data.frame(x = runif(100), y = runif(100), z = sample(1:10, 100, replace = TRUE))

# get z > 3 AND z < 6 subset, for example
new.data = subset(data, z > 3 & z < 6) ## CAUTION: use &, not &&

# use newdata
cm = colMeans(new.data)
print(cm)

#        x         y         z 
#   0.4674450 0.5293915 4.5769231

希望它有所帮助！

R将函数应用于数据帧的子集

3 个答案: