使用lapply并通过特性和功能对数据帧进行子集化
我有一个包含5个数据维的数据框，如下所示：
> dim(alldata)
[1] 162 6
> head(alldata)
value layer Kmultiplier Resolution Season Variable
1: 0.01308008 b .01K 1km Baseflow Evapotranspiration
2: 0.03974779 b .01K 1km Peak Flow Evapotranspiration
3: 0.02396524 b .01K 1km Summer Flow Evapotranspiration
4: -0.15670996 b .01K 1km Baseflow Discharge
5: 0.06774948 b .01K 1km Peak Flow Discharge
6: -0.04138313 b .01K 1km Summer Flow Discharge
我想要做的是根据其他列获取数据的某些“特征”的值列的平均值。所以我用它来将数据子集化为我感兴趣的变量，例如：
> subset=alldata[which(alldata$Variable=="Discharge" & alldata$Resolution=="1km" & alldata$Season=="Peak Flow"),]
> subset
value layer Kmultiplier Resolution Season Variable
1: 0.067749478 b .01K 1km Peak Flow Discharge
2: 0.058260448 b .1K 1km Peak Flow Discharge
3: -0.223953725 b 10K 1km Peak Flow Discharge
4: 0.272916114 g .01K 1km Peak Flow Discharge
5: 0.240135025 g .1K 1km Peak Flow Discharge
6: -0.216730348 g 10K 1km Peak Flow Discharge
7: 0.088966500 s .01K 1km Peak Flow Discharge
8: -0.018943754 s .1K 1km Peak Flow Discharge
9: -0.008339365 s 10K 1km Peak Flow Discharge
这是我被困的地方。假设我想要一个向量或“层”列中每个值的平均值列表......所以我最终会得到3个数字，一个用于'b'用于'g'用于一个用于's'。我需要制作一堆像这样的子集，我认为apply函数可以提供帮助，但经过多次教程和堆栈问题后，我无法使用它。一个更简单的例子也很好，就像这样：
> A=data.frame(seq(1,9),rep(c("a","b","c"),3),c(rep("type1",3),rep("type2",3),rep("type3",3)),c(rep("place1",2),rep("place2",2),rep("place3",2),rep("place1",2),rep("place2",1)))
> names(A)=c("value","Letter","Type","Place")
> A
value Letter Type Place
1 1 a type1 place1
2 2 b type1 place1
3 3 c type1 place2
4 4 a type2 place2
5 5 b type2 place3
6 6 c type2 place3
7 7 a type3 place1
8 8 b type3 place1
9 9 c type3 place2
从这个简单的例子中，我需要字母“值”的平均值，由Letter列出，用于“place1”，它应该返回如下内容：“a =平均值，b =平均值，c =平均值”无论采用何种形式。
这是申请职能的工作吗？如果是这样，怎么样？如果没有，请告诉我一个更好的替代方法来对我的数据进行子集化。
谢谢！
3 个答案:
答案 0 :(得分：0)
替代解决方案在您提供的示例数据集上实现，而不是在此处使用任何apply系列函数。
使用 dplyr 包
library(dplyr)
A %>%
group_by_(.dots = c("Place","Letter")) %>%
summarise(MEAN = mean(value))
# Source: local data frame [6 x 3]
# Groups: Place [?]
# Place Letter MEAN
# <fctr> <fctr> <dbl>
# 1 place1 a 4
# 2 place1 b 5
# 3 place2 a 4
# 4 place2 c 6
# 5 place3 b 5
# 6 place3 c 6
或
使用by()功能
> by(A$value, A[,c(2,4)], FUN = mean)
# Letter: a
# Place: place1
# [1] 4
# ------------------------------------------------------------
# Letter: b
# Place: place1
# [1] 5
# ------------------------------------------------------------
# Letter: c
# Place: place1
# [1] NA
# ------------------------------------------------------------
# Letter: a
# Place: place2
# [1] 4
# ------------------------------------------------------------
# Letter: b
# Place: place2
# [1] NA
# ------------------------------------------------------------
# Letter: c
# Place: place2
# [1] 6
# ------------------------------------------------------------
# Letter: a
# Place: place3
# [1] NA
# ------------------------------------------------------------
# Letter: b
# Place: place3
# [1] 5
# ------------------------------------------------------------
# Letter: c
# Place: place3
# [1] 6
答案 1 :(得分：0)
考虑by tapply的{em>面向对象的包装，它可以跨越一个或多个因素对数据帧进行子集，例如 Place 和< EM>时间的。从数据框列表中，您可以将行绑定到最后一个df。
df_List <- by(A, A[,c("Place", "Letter")],
FUN = function(i) transform(i, mean = mean(i$value)))
finaldf <- do.call(rbind, dfList)
finaldf
# value Letter Type Place mean
# 1 1 a type1 place1 4
# 7 7 a type3 place1 4
# 4 4 a type2 place2 4
# 2 2 b type1 place1 5
# 8 8 b type3 place1 5
# 5 5 b type2 place3 5
# 3 3 c type1 place2 6
# 9 9 c type3 place2 6
# 6 6 c type2 place3 6
答案 2 :(得分：0)
感谢您的建议。我最终选择了ddply，以便根据this post的一般建议将数据转换为更有用的格式。
这是一个简单的例子：
> A=data.frame(seq(1,9),rep(c("a","b","c"),3),c(rep("type1",3),rep("type2",3),rep("type3",3)),c(rep("place1",2),rep("place2",2),rep("place3",2),rep("place1",2),rep("place2",1)))
> names(A)=c("value","Letter","Type","Place")
> A
value Letter Type Place
1 1 a type1 place1
2 2 b type1 place1
3 3 c type1 place2
4 4 a type2 place2
5 5 b type2 place3
6 6 c type2 place3
7 7 a type3 place1
8 8 b type3 place1
9 9 c type3 place2
然后，这是我的代码，找到place1和type1的每个值的'value'的平均值：
> sub=ddply(A[which(A$Place=="place1" & A$Type=="type1"),],"value",summarize,mean=mean(value,na.rm=T))
> sub
value mean
1 1 1
2 2 2
由于'sub'已经是一个数据框，因此很容易添加具有其他特征的列，然后绘制这些结果。
----------------------------------------------- ----------------------------------
如果您感兴趣，这是我实际尝试分组的更复杂的数据集：
> head(alldata)
value layer Kmultiplier Resolution Season Variable
1: 0.00000000 b 1 1km Baseflow Evapotranspiration
2: 0.01308008 b .01 1km Baseflow Evapotranspiration
3: 0.00000000 b 1 1km Peak Flow Evapotranspiration
4: 0.03974779 b .01 1km Peak Flow Evapotranspiration
5: 0.00000000 b 1 1km Summer Flow Evapotranspiration
6: 0.02396524 b .01 1km Summer Flow Evapotranspiration
我编写的代码行将其子集化为可绘制的部分：
for(j in Season){
for(i in res){
ET=ddply(alldata[which(alldata$Variable=="Evapotranspiration" & alldata$Resolution==sprintf("%s",i) & alldata$Season==sprintf("%s",j)),],"Kmultiplier", summarize, mean = mean(value,na.rm=T))
ET$Variable="Evapotranspiration";ET$Resolution=sprintf("%s",i);ET$Season=sprintf("%s",j)
S=ddply(alldata[which(alldata$Variable=="Change in Storage" & alldata$Resolution==sprintf("%s",i) & alldata$Season==sprintf("%s",j)),],"Kmultiplier", summarize, mean = mean(value,na.rm=T))
S$Variable="Change in Storage";S$Resolution=sprintf("%s",i);S$Season=sprintf("%s",j)
Q=ddply(alldata[which(alldata$Variable=="Discharge" & alldata$Resolution==sprintf("%s",i) & alldata$Season==sprintf("%s",j)),],"Kmultiplier", summarize, mean = mean(value,na.rm=T))
Q$Variable="Discharge";Q$Resolution=sprintf("%s",i);Q$Season=sprintf("%s",j)
if(i=="1km"){resbind=rbind(Q,S,ET)}else{resbind2=rbind(resbind,Q,S,ET)}
}
if(j=="Baseflow"){sbind=rbind(resbind2,Q,S,ET)}else if(j=="Peak Flow"){sbind2=rbind(resbind2,sbind,Q,S,ET)}else{ETSQ=rbind(resbind2,sbind2,Q,S,ET)}
}
ETSQ$Variable=factor(ETSQ$Variable,levels=c("Change in Storage","Evapotranspiration","Discharge"))
print(ggplot(data=ETSQ,aes(x=Kmultiplier,y=mean, color=Variable,group=Variable))
+geom_point()
+geom_line()
+labs(x="K scaled by",y="Percent change from Baseline case")
+scale_y_continuous(labels=percent)
+facet_grid(Season~Resolution)
+theme_bw()
)
ggsave(sprintf("%s/Plots/SimpleLines/Variable_by_K.png",path),device = NULL,scale=1)
最后得出的情节：
相关问题
最新问题
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？