Question

我有一个包含多个因素和多个数值变量的数据框。我想弄清楚其中一个因素（平均而言）。

在我的尝试中，我只能想到嵌套的sapply或for循环以隔离要求平均值的数值元素。

var <- data.frame(A = c(rep('a',8),rep('b',8)), B = 
c(rep(c(rep('c',2),rep('d',2)),4)), C = c(rep(c('e','f'),8)),
                  D = rnorm(16), E = rnorm(16))
> var
   A B C           D           E
1  a c e  1.1601720731 -0.57092435
2  a c f -0.0120178626  1.05003748
3  a d e  0.5311032778  1.67867806
4  a d f -0.3399901000  0.01459940
5  a c e -0.2887561691 -0.03847519
6  a c f  0.0004299922 -0.36695879
7  a d e  0.8124655890  0.05444033
8  a d f -0.3777058654  1.34074427
9  b c e  0.7380720821  0.37708543
10 b c f -0.3163496271  0.10921373
11 b d e -0.5543252191  0.35020193
12 b d f -0.5753686426  0.54642790
13 b c e -1.9973216646  0.63597405
14 b c f -0.3728926714 -3.07669300
15 b d e -0.6461596329 -0.61659041
16 b d f -1.7902722068 -1.06761729


sapply(4:ncol(var), function(i){
  sapply(1:length(levels(var$A)), function(j){
    sapply(1:length(levels(var$B)), function(t){
      sapply(1:length(levels(var$C)), function(z){
        mean(var[var$A == levels(var$A)[j] & 
var$B == levels(var$B)[t] & 
var$C == levels(var$C)[z],i])
      })
    })
  })
})

             [,1]       [,2]
[1,]  0.435707952 -0.3046998
[2,] -0.005793935  0.3415393
[3,]  0.671784433  0.8665592
[4,] -0.358847983  0.6776718
[5,] -0.629624791  0.5065297
[6,] -0.344621149 -1.4837396
[7,] -0.600242426 -0.1331942
[8,] -1.182820425 -0.2605947

没有这么多人，有没有办法做到这一点？也许用mapply或外部

Answer 1

也许就是

var <- data.frame(A = c(rep('a',8),rep('b',8)), B = 
                    c(rep(c(rep('c',2),rep('d',2)),4)), C = c(rep(c('e','f'),8)),
                  D = rnorm(16), E = rnorm(16))

library(dplyr)
var %>%
  group_by(A,B,C) %>%
  summarise_if(is.numeric,mean)

（请注意，您显示的输出不是我运行您的apply代码时得到的结果，但以上内容与我运行您的sapply代码时得到的结果相同。）

Answer 2

对于内联聚合（保持数据帧的行数相同），请考虑ave：

var$D_mean <- with(var, ave(D, A, B, C, FUN=mean))
var$E_mean <- with(var, ave(E, A, B, C, FUN=mean))

对于完全聚合（折叠到因子组），请考虑aggregate：

aggregate(. ~ A + B + C, var, mean)

Answer 3

我将用data.table解决方案来完成三位一体。 .SD是by部分中未列出的所有列的data.table。这是this question的近义词（唯一的区别是，正在汇总> 1列），因此，如果您需要更多解决方案，请单击它。

library(data.table)
setDT(var)

var[, lapply(.SD, mean), by = .(A, B, C)]
#    A B C           D            E
# 1: a c e  0.07465822  0.032976115
# 2: a c f  0.40789460 -0.944631574
# 3: a d e  0.72054938  0.039781185
# 4: a d f -0.12463910  0.003363382
# 5: b c e -1.64343115  0.806838905
# 6: b c f -1.08122890 -0.707975411
# 7: b d e  0.03937829  0.048136471
# 8: b d f -0.43447899  0.028266455

避免在data.frame中折叠具有多个因子的变量时避免嵌套嵌套

3 个答案: