Question

是否可以使用使用两列返回一列的自定义函数进行聚合？

说我有一个数据框：

x <- c(2,4,3,1,5,7)
y <- c(3,2,6,3,4,6)
group <- c("A","A","A","A","B","B")

data <- data.frame(group, x, y)
data
#   group x y
# 1     A 2 3
# 2     A 4 2
# 3     A 3 6
# 4     A 1 3
# 5     B 5 4
# 6     B 7 6

我有我想要在两列（x和y）上使用的函数：

pathlength <- function(xy) {
  out <- as.matrix(dist(xy))
  sum(out[row(out) - col(out) == 1])
}

我尝试了以下聚合：

out <- aggregate(cbind(x, y) ~ group, data, FUN = pathlength)  
out <- aggregate(cbind(x, y) ~ group, data, function(x) pathlength(x))

但是，这会分别在x和y上调用pathlength而不是在一起，给我：

#  group x y
#1     A 5 8
#2     B 2 2

我想要的是在x和y上一起调用pathlength并以这种方式聚合它。这是我想要聚合做的事情：

realA <- matrix(c(2,4,3,1,3,2,6,3), nrow=4, ncol=2)
pathlength(realA)
# [1] 9.964725

realB <- matrix(c(5,7,4,6), nrow=2, ncol=2)
pathlength(realB)
# [1] 2.828427

group <- c("A", "B") 
pathlength <- c(9.964725,2.828427)
real_out <- data.frame(group, pathlength)
real_out
#   group pathlength
# 1     A   9.964725
# 2     B   2.828427

有没有人有任何建议？或者是否有一些我无法在谷歌上找到的其他功能让我这样做？我宁愿不使用for循环来解决这个问题，因为我认为它对于大数据集来说会很慢。

Answer 1

正如您所发现的那样，基本aggregate()功能一次只能在一列上运行。相反，您可以使用by()函数

by(data[,c("x","y")], data$group, pathlength)
data$group: A
[1] 9.964725
----------------------------------------------------------------------- 
data$group: B
[1] 2.828427

或split()/lapply()

lapply(split(data[,c("x","y")], data$group), pathlength)
$A
[1] 9.964725

$B
[1] 2.828427

Answer 2

新答案

正如@BrodieG指出的那样，使用＆＃34; data.table＆＃34;

可以轻松完成

> as.data.table(data)[, pathlength(.SD), by = group]
   group       V1
1:     A 9.964725
2:     B 2.828427

原始过度杀人的答案

您可以考虑在运行中matrix输入＆＃34;＆＃34;在＆＃34; data.table＆＃34;：

library(data.table)

as.data.table(data)[, pathlength(matrix(unlist(.SD), ncol = length(.SD))), by = group]
#    group       V1
# 1:     A 9.964725
# 2:     B 2.828427

因此，您还可以考虑制作一个辅助函数，如下所示，为您创建矩阵：

sdmat <- function(sd) matrix(unlist(sd), ncol = length(sd))

然后，你可以这样做：

as.data.table(data)[, pathlength(sdmat(.SD)), by = group]
#    group       V1
# 1:     A 9.964725
# 2:     B 2.828427

甚至：

as.data.table(data)[, pathlength(sdmat(list(x, y))), by = group]
#    group       V1
# 1:     A 9.964725
# 2:     B 2.828427

或者，您可以尝试＆＃34; dplyr＆＃34;：

library(dplyr)

data %>%
  group_by(group) %>%
  summarise(pathlength = pathlength(matrix(c(x, y), ncol = 2)))
# Source: local data frame [2 x 2]
# 
#   group pathlength
# 1     A   9.964725
# 2     B   2.828427

或者，您可以将数据转换为＆＃34; long＆＃34;格式，然后使用您最喜欢的聚合函数。

这是＆＃34; dplyr＆＃34;的继续：

library(dplyr)
library(tidyr)

data %>%
  gather(var, val, -group) %>%
  group_by(group) %>%
  summarise(pathlength = pathlength(matrix(val, ncol = length(unique(var)))))
# Source: local data frame [2 x 2]
# 
#   group pathlength
# 1     A   9.964725
# 2     B   2.828427

Answer 3

如果有人想要另一个简单的解决方案，我最终使用了ddply。事实证明，你可以在ddply的多个列上使用函数，与聚合不同。

以下是代码：

out <- ddply(data, "group", summarise,
                       pathlength = pathlength(cbind(x,y)))

如何在R中使用使用两列的自定义函数进行聚合

3 个答案:

新答案

原始过度杀人的答案