Question

Data包含label变量和数字x变量，然后我计算x指定的组中label的平均值（means创建了对象，然后我们将其用作字典），然后我想创建包含重复与label变量对应的平均值的新向量，下面的示例使用for()，我看不出如何对其进行向量化，只有可能使用merge函数，问题是：

merge是否提供了矢量化的好处（我的原始数据集，有几百万的观察结果）？
如果没有，那么可以向量化y的创建吗？

我目前的代码是：

set.seed(123)

data<-data.frame(label=sample(c("A","B"),10,replace=TRUE),x=rnorm(10))
data
#   label          x
#1      A  1.7150650
#2      B  0.4609162
#3      A -1.2650612
#4      B -0.6868529
#5      B -0.4456620
#6      A  1.2240818
#7      B  0.3598138
#8      B  0.4007715
#9      B  0.1106827
#10     A -0.5558411


means<-aggregate(formula = x~label, data = data, FUN = mean)
means
#  label          x
#1     A 0.27956110
#2     B 0.03327823

for(i in 1:10){
 y[i]=means[which(means[,1]==data[i,1]),2]
}

data<-data.frame(data, y)
data
#   label          x          y
#1      A  1.7150650 0.27956110
#2      B  0.4609162 0.03327823
#3      A -1.2650612 0.27956110
#4      B -0.6868529 0.03327823
#5      B -0.4456620 0.03327823
#6      A  1.2240818 0.27956110
#7      B  0.3598138 0.03327823
#8      B  0.4007715 0.03327823
#9      B  0.1106827 0.03327823
#10     A -0.5558411 0.27956110

Answer 1

您可以使用data.table或dplyr个套件

显着提高效果

library(data.table)
setDT(data)[, y := mean(x), label]

或者

library(dplyr)
data %>% 
  group_by(label) %>%
  mutate(y = mean(x))

或者

如果您只有两个标签而已创建means数据集，则可以使用索引在基础R中完全向量化

with(means, c(x[1], x[2]))[(data$label == "B") + 1]

作为旁注，您提到merge，因此使用data.table可以对汇总数据进行非常有效的合并，因此请举例说明means数据

means <- aggregate(x ~ label, data, mean)

然后你可以简单地做

setkey(setDT(data), label)[means, y := i.x]

这意味着：将data转换为data.table对象并按label键。在means上执行二进制连接，同时仅提取x列并更新y

另一种选择是执行完整连接

setkey(setDT(means), label) ; setkey(setDT(data), label)
means[data]

Answer 2

您不需要先使用aggregate，然后再使用for循环。只需直接使用ave：

data <- transform(data, y = ave(x, label, FUN = mean))

?ave允许您按组计算mean之类的函数（类似于aggregate），但不会将数据聚合到每组一行。这意味着输出向量的长度（y）与输入向量的长度相同（在这种情况下为x）。

矢量化包含与分类变量对应的装置的矢量的创建

2 个答案: