Question

请考虑以下内容-

set.seed(1)
x <- runif(100)
y <- sample(c('M', 'F', 'D'), 100, TRUE)
aveResult <- ave(x = x, y, FUN = sum)
tapplyResult <- tapply(x, y, sum)
aveResult <- setNames(aveResult, y)
tapplyResult
aveResult[!duplicated(names(aveResult))]

这两个函数的结果除了输出长度相同外，其余均相同。此外，这还会造成混乱（由于回收而加剧），如this case。

是否有一个示例，其中一个功能可以执行其他功能不能执行的操作？

Answer 1

ave是一个非常有用的base R函数，该函数可快速有效地基于按组应用功能创建新列（下面是一个简单的示例，可按组列创建mean使用ave，dplyr和data.table方法）。

set.seed(24)
df1 <- data.frame(grp = sample(LETTERS, 1e6, replace = TRUE), val = rnorm(1e6))
system.time(with(df1, ave(val, grp)))
#   user  system elapsed 
#  0.070   0.004   0.073 

library(dplyr)
system.time(df1 %>%
              group_by(grp) %>%
              mutate(new = mean(val)))
#   user  system elapsed 
#  0.159   0.000   0.160 

library(data.table)
system.time(setDT(df1)[, new := mean(val), by = grp])
#  user  system elapsed 
#  0.056   0.000   0.057

而tapply给出汇总输出。 ave的主要优点之一是，我们不必担心输出的顺序，因为它始终以与行相同的顺序提供输出。即使在某些tidyverse函数中，这也可以改变。 sort的{{1}} ed个unique值是否始终等于ave的问题-这取决于。对于某些功能，我们可以在tapply

中获得汇总的list输出

tapply

而tapply(1:10, rep(LETTERS[1:3], c(3, 3, 4)), FUN = range)在这里失败是因为它与每个组的长度都不匹配

ave

并给出警告

Answer 2

在这种情况下，只需添加一个选项即可：还有by(x, y, FUN = sum)。

作为@akrun出色文章的补充，以下是给定OP示例数据的ave，tapply和by之间的输出差异的简短细分：

ave(x, y, FUN = sum)用组和值替换x项，其中每个组由具有相同x分量的那些y值组成。返回对象是长度为length(x)的向量。
tapply(x, y, sum)对每个组求和x个值；返回对象是一个数组，其维数与y具有唯一组的维数相同。
by(x, y, sum)还将每个组的x值相加；返回对象是一个列表，其条目数与具有唯一组的y相同。

考虑ave与tapply / by之间的区别的另一种方式是在dplyr语法的上下文中：

ave对应于group_by + mutate语句：

data.frame(x, y) %>% group_by(y) %>% mutate(x = sum(x)) %>% pull(x)

tapply / by对应于group_by + summarise语句：

data.frame(x, y) %>% group_by(y) %>% summarise(x = sum(x)) %>% pull(x)

正如@Onyambu所正确强调的那样，by和tapply是完全不同的； tapply适用于vector，而by可以接受任何对象（通常是data.frame，matrix等）。

R-ave vs tapply。总是唯一（ave）== tapply吗？如果是这样，为什么其中之一存在？

2 个答案: