我有一个大型数据库，如下所示：
>tms
expId id date sessionNr waveSh ipi isi perc ampl qual eventNr
1 b80M1 myrthe 20131206 1 2 20 1 80 416.10 1 145
2 b80M1 myrthe 20131206 1 2 4 2 80 366.80 1 146
3 b80M1 myrthe 20131206 1 2 4 3 80 411.60 1 147
..... ...... ........ . . . . .. ...... . ...
..... ...... ........ . . . . .. ...... . ...
24 m80M1 myrthe 20131218 1 1 20 2 80 58.10 1 266
25 m80M1 myrthe 20131218 1 1 4 1 80 22.60 0 267
26 m80M1 myrthe 20131218 1 1 4 3 80 21.90 0 268
..... ...... ........ . . . . .. ...... . ...
..... ...... ........ . . . . .. ...... . ...
201 h80M1 myrthe 20131219 1 3 5 3 80 33.00 0 194
202 h80M1 myrthe 20131219 1 3 6 1 80 52.50 1 195
203 h80M1 myrthe 20131219 1 3 4 4 80 314.20 1 196
在每个tms $ expId中，我想创建一个名为tms $ norm的新变量。此变量表示在tms $ expId中tms $ ampl与tms $ isi == 1的平均值之间的比率，该值为tms $ ampl / mean（tms [tms $ isi == 1，] $ ampl）。
我可以像这样长时间运行，为每个tms $ expId手动分组：
b80L1 <- tms[tms$expId==b80L1,]
attach(b80L1)
b80L1$norm <- b80L1$ampl/mean(b80L1[b80L1$isi==1,]$ampl)
detach(b80l1)
m80M1 <- tms[tms$expId==m80M1,]
attach(m80M1)
M80M1$norm <- M80M1$ampl/mean(m80M1[m80M1$isi==1,]$ampl)
detach(m80M1)
h80M1 <- h80M1[h80M1$expId==h80M1,]
attach(h80M1)
h80M1$norm <- h80M1$ampl/mean(h80M1[h80M1$isi==1,]$ampl)
detach(h80M1)
然后在一个数据框中再次组合所有子集，如下所示：
tmsNorm <- rbind(b80L1,m80M1,h80M1)
然后tmsNorm数据库看起来像这样：
>tmsNorm
expId id date sessionNr waveSh ipi isi perc ampl qual eventNr norm
1 b80M1 myrthe 20131206 1 2 20 1 80 416.10 1 145 0.6547
2 b80M1 myrthe 20131206 1 2 4 2 80 366.80 1 146 0.5667
3 b80M1 myrthe 20131206 1 2 4 3 80 411.60 1 147 0.6530
..... ...... ........ . . . . .. ...... . ... ...
..... ...... ........ . . . . .. ...... . ... ...
24 m80M1 myrthe 20131218 1 1 20 2 80 58.10 1 266 0.0123
25 m80M1 myrthe 20131218 1 1 4 1 80 22.60 0 267 0.0056
26 m80M1 myrthe 20131218 1 1 4 3 80 21.90 0 268 0.0057
..... ...... ........ . . . . .. ...... . ... ...
..... ...... ........ . . . . .. ...... . ... ...
201 h80M1 myrthe 20131219 1 3 5 3 80 33.00 0 194 0.0045
202 h80M1 myrthe 20131219 1 3 6 1 80 52.50 1 195 0.0053
203 h80M1 myrthe 20131219 1 3 4 4 80 314.20 1 196 0.0145
但是，由于我有大约100种类型的tmse $ expId，我真的想使用循环函数或某种应用函数创建这个tms $ norm变量。
我尝试使用此代码无法正常工作但希望能说明我要实现的目标：
uniq <- unique(unlist(tms$expId))
> for(i in 1:length(uniq)){
attach(tms[tms$expId==uniq[i], ])
tms$normReal2 <- tms[tms$expId==uniq[i], ]$realAmpl/mean(tms[(tms$expId==uniq[i]) | (tms$isi==1),]$realAmpl)
detach(tms[tms$expId==uniq[i], ])
}
所以我的问题是：如何使用非常紧凑的代码创建这个tms $ norm变量？
提前非常感谢你！
答案 0 :(得分：2)
尝试使用dplyr。
install.packages('dplyr')
require(dplyr)
tms <- group_by(tms, expId)
tms <- mutate(tms, norm = ampl / mean(ampl[isi == 1]))
答案 1 :(得分：1)
require(data.table)
set.seed(123)
tms <- data.table(row_id = 1:10e5,
expId = letters,
isi = c(1,2,3),
ampl = rnorm(10e5, 300, 100)
)
修改
# Keep the original table
tms[isi==1, isi1_mean:=mean(ampl), by=expId] # The mean of the ampl column when isi==1 by expId
tms[isi==1, norm:=(ampl/isi1_mean), by=expId]
# Keep a subset where isi==1
tms <- data.table(row_id = 1:10e5,
expId = letters,
isi = c(1,2,3),
ampl = rnorm(10e5, 300, 100)
)
tms[isi==1, isi1_mean:=mean(ampl), by=expId] # The mean of the ampl column when isi==1 by expId
tms[, norm:=(ampl/isi1_mean), by=expId][isi==1]
<强>基准
我正在尝试将dplyr版本设为data.table，将其中一个版本设为data.frame。我相信这是方法，但如果有不正确的地方，请编辑基准。
require(dplyr)
require(data.table)
set.seed(123)
tms_dt <- data.table(row_id = 1:10e6,
expId = letters,
isi = c(1,2,3),
ampl = rnorm(10e6, 300, 100)
)
tms_df <- as.data.frame(tms_dt)
dt_dplyr <- function(data) {
require(dplyr)
data <- group_by(data, expId)
data <- mutate(data, norm = ampl / mean(ampl[isi == 1]))
}
df_dplyr <- function(data) {
require(dplyr)
data <- group_by(data, expId)
data <- mutate(data, norm = ampl / mean(ampl[isi == 1]))
}
dt_datatable <- function(data) {
data[isi==1, isi1_mean:=mean(ampl), by=expId]
data[isi==1, norm:=(ampl/isi1_mean), by=expId]
}
require(rbenchmark)
benchmark(dt_dplyr(tms_dt), df_dplyr(tms_df), dt_datatable(tms_dt))
test replications elapsed relative user.self sys.self
2 df_dplyr(tms_df) 100 135.08 1.447 108.81 20.94
3 dt_datatable(tms_dt) 100 93.36 1.000 76.15 16.63
1 dt_dplyr(tms_dt) 100 275.28 2.949 105.34 72.63
答案 2 :(得分：0)
强烈建议不要花时间阅读此内容：http://www.jstatsoft.org/v40/i01/paper Split Apply Combine
在这种情况下，我认为你想要
install.packages(plyr)
require(plyr)
ddply(tms, .(expId), function(x) {data.frame(x, norm=x$ampl/mean(x[x$isi==1,]["ampl"]))})
打扰一下，如果这个答案出现错字 - 不能自己测试。