Question

假设我有一个矩阵（可能是一个对矩阵具有强制性的数据框，或者反之亦然）

X=matrix(rnorm(45), nr=15 )
          [,1]       [,2]        [,3]
 [1,] -0.35659671 -0.5014418 -0.90051481
 [2,] -2.84945987 -0.6558198 -1.59163998
 [3,] -0.03612257  0.7118217 -0.76520379
 [4,]  2.45922337 -1.4965018 -0.28132609
 [5,] -0.46939481 -2.2576689 -0.91045703
 [6,]  0.65121124 -0.4879071 -1.81893484
 [7,] -0.28633954  0.3570085 -2.40230043
 [8,] -1.32283279 -0.4904968  0.42214466
 [9,]  0.55199355 -1.5181311 -0.62465292
[10,] -1.00114458  0.5140162 -0.01261708
[11,] -1.49307374  0.1734213  1.38231439
[12,] -1.71157588 -0.7030724 -1.05475532
[13,]  1.13823870  1.3380262  2.74988880
[14,] -0.41600520 -0.9527629  0.68447386
[15,] -1.25893418 -0.3633260  0.38870010

获取列总和很简单（ colSums ，或 apply ，或任何首选方法）。但是，我有一个位置索引，比方说

idx=c(3,7,13)

所以我需要拆分矩阵并对子节中的列求和（或者，通常执行某些函数），例如行1到3,4到7,8到13和14到15（最后一行）行）并获得4乘3矩阵

          [,1]       [,2]        [,3]
[1,] -3.2421792 -0.4454399 -3.2573586
[2,]  2.3547000 -3.8850690 -5.4130180
[3,] -3.8383947 -0.6862365  2.8623225
[4,] -1.6749390 -1.3160890  1.0731740

这是一个可重复性最小的例子。真实的矩阵要大得多，子节的数量和位置都是可变的，而且函数更复杂：）

Answer 1

尝试

 indx <- c(idx[1],diff(c(idx, nrow(X))))
 rownames(X) <- rep(seq_along(indx), indx)
 res <- rowsum(X, group=rownames(X))
 dimnames(res) <- NULL
 res
 #         [,1]       [,2]      [,3]
 #[1,] -3.242179 -0.4454399 -3.257359
 #[2,]  2.354700 -3.8850693 -5.413018
 #[3,] -3.838395 -0.6862366  2.862323
 #[4,] -1.674939 -1.3160889  1.073174

或者，如果我们在更改row.names后将'matrix'转换为'data.table`，

 library(data.table)#v1.9.5+
 as.data.table(X, keep.rownames=TRUE)[, lapply(.SD, sum), by=rn]
 #  rn        V1         V2        V3
 #1:  1 -3.242179 -0.4454399 -3.257359
 #2:  2  2.354700 -3.8850693 -5.413018
 #3:  3 -3.838395 -0.6862366  2.862323
 #4:  4 -1.674939 -1.3160889  1.073174

在更改“X”

中的rownames之前使用dplyr

 library(dplyr)
 as.data.frame(X) %>% 
            group_by(rn=rep(seq_along(indx), indx)) %>%
            summarise_each(funs(sum))
 #rn        V1         V2        V3
 #1  1 -3.242179 -0.4454399 -3.257359
 #2  2  2.354700 -3.8850693 -5.413018
 #3  3 -3.838395 -0.6862366  2.862323
 #4  4 -1.674939 -1.3160889  1.073174

Answer 2

您还可以使用Map，然后使用do.call rbind来获取所需的矩阵：

do.call(rbind, Map(function(u,v) colSums(X[u:v,]), c(1, idx+1), c(idx, nrow(X))))

对矩阵/数据帧中的行组进行操作

2 个答案: