我有一个包含多组分数的数据框,以及一组分组变量,如:
s1 s2 s3 g1 g2 g3
4 3 7 F F T
6 2 2 T T T
2 4 9 G G F
1 3 1 T F G
我想要运行一个聚合,目前我正在做:
aggregate(df[c("s1","s2","s3")],df["g1"],function(x) c(m =mean(x, na.rm=T), sd = sd(x, na.rm=T), n = length(x)))
我希望只有一行代码,因此我可以同时按多个因素汇总多个变量。注意我并没有试图通过g1-3的组合得到s1-3的摘要(根据答案here)。我已经查看了summaryBy
包中的doBy
,但这似乎再次考虑了每个因素的组合,而不仅仅是一个不是我想要的整体(虽然很有用!) 。我一直在玩变种:
apply(df[c("g1","g2","g3")], 2, function (z) aggregate(df[c("s1","s2","s3")],z,function(x) c(m =mean(x, na.rm=T), sd = sd(x, na.rm=T), n = length(x)))
但我收到错误:"''必须是一个清单"接着就,随即。我想我可以用loop
来解决如何做到这一点,我知道ddply
或reshape
的各种版本你可以得到聚合但最直观的方式(对我来说至少)好像是apply
和aggregate
- 我错过了什么?
答案 0 :(得分:3)
让我们在问题中命名匿名函数如下。然后,最后的Map
语句将aggregate
分别应用于df[1:3]
每个分组变量:
mean.sd.n <- function(x) c(m = mean(x, na.rm=T), sd = sd(x, na.rm=T), n = length(x))
Map(function(nm) aggregate(df[1:3], df[nm], mean.sd.n), names(df)[4:6])
,并提供:
$g1
g1 s1.m s1.sd s1.n s2.m s2.sd s2.n s3.m s3.sd s3.n
1 F 4.000000 NA 1.000000 3.0000000 NA 1.0000000 7.0000000 NA 1.0000000
2 G 2.000000 NA 1.000000 4.0000000 NA 1.0000000 9.0000000 NA 1.0000000
3 T 3.500000 3.535534 2.000000 2.5000000 0.7071068 2.0000000 1.5000000 0.7071068 2.0000000
$g2
g2 s1.m s1.sd s1.n s2.m s2.sd s2.n s3.m s3.sd s3.n
1 F 2.50000 2.12132 2.00000 3 0 2 4.000000 4.242641 2.000000
2 G 2.00000 NA 1.00000 4 NA 1 9.000000 NA 1.000000
3 T 6.00000 NA 1.00000 2 NA 1 2.000000 NA 1.000000
$g3
g3 s1.m s1.sd s1.n s2.m s2.sd s2.n s3.m s3.sd s3.n
1 F 2.000000 NA 1.000000 4.0000000 NA 1.0000000 9.000000 NA 1.000000
2 G 1.000000 NA 1.000000 3.0000000 NA 1.0000000 1.000000 NA 1.000000
3 T 5.000000 1.414214 2.000000 2.5000000 0.7071068 2.0000000 4.500000 3.535534 2.000000
注意:使用gsubfn package中的fn$
可以略微缩短这一点。它允许我们使用公式表示法在以Map
开头的代码行中指定匿名函数,如下所示:
library(gsubfn)
fn$Map(nm ~ aggregate(df[1:3], df[nm], mean.sd.n), names(df)[4:6])