Question

我有一个包含20列的data.frame。前两个是因子，其余是数字。我想将前两列用作拆分变量，然后将mean()应用于其余列。

对于ddply()来说，这似乎是一项快速而简单的工作，但是输出data.frame的结果并不是我想要的。这是一个只有一列数据的最小例子：

Aa <- c(rep(c("A", "a"), each = 20))
Bb <- c(rep(c("B", "b", "B", "b"), each = 10))
x <- runif(40)
df1 <- data.frame(Aa, Bb, x)

ddply(df1, .(Aa, Bb), mean)

输出结果为：

  Aa Bb         x
1 NA NA 0.5193275
2 NA NA 0.4491907
3 NA NA 0.4848128
4 NA NA 0.4717899
Warning messages:
1: In mean.default(X[[1L]], ...) :
  argument is not numeric or logical: returning NA

警告重复8次，大概每次拨打mean()一次。我猜这是因为试图采取一个因素的平均值。我可以这样写：

ddply(df1, .(Aa, Bb), function(df1) mean(df1$x))

或

ddply(df1, .(Aa, Bb), summarize, x = mean(x))

这两个都有效（不给NAs），但我宁愿避免写出18个这样的x = mean(x)语句，每个数字列都有一个。

有一般解决方案吗？如果在其他地方有更好的答案，我就不会与ddply结婚。

Answer 1

由于您要减少行数，因此需要使用summarise：

> ddply(df1, .(Aa, Bb), summarise, mean_x =mean(x) )
  Aa Bb    mean_x
1  a  b 0.3790675
2  a  B 0.4242922
3  A  b 0.5622329
4  A  B 0.4574471

在这种情况下使用聚合同样容易。假设您有两个变量：

> aggregate(df1[-(1:2)], df1[1:2], mean)
  Aa Bb         x         y
1  a  b 0.4249121 0.4639192
2  A  b 0.6127175 0.4639192
3  a  B 0.4522292 0.4826715
4  A  B 0.5201965 0.4826715

Answer 2

ddply也支持否定索引：

ddply(df1, .(Aa, Bb), function(x) mean(x[-(1:2)]))

ddply如何将因子作为“分裂”变量处理？

2 个答案: