使用每个变量上的不同函数按组折叠数据

Question

定义

df<-read.table(textConnection('egg 1 20 a
                        egg 2 30 a
                        jap 3 50 b
                        jap 1 60 b'))

s.t。

> df
   V1 V2 V3 V4
1 egg  1 20  a
2 egg  2 30  a
3 jap  3 50  b
4 jap  1 60  b

我的数据没有因素，因此我将因子转换为字符：

> df$V1 <- as.character(df$V1)
> df$V4 <- as.character(df$V4)  

我希望通过V1保持“折叠”数据框：

• 最大V2
• V3的平均值
• V4的模式（这个值在V1组中实际上没有变化，所以第一个，最后一个也可能也是如此。）

请注意这是一般性问题，例如：我的数据集要大得多，我可能希望在折叠时使用不同的函数（例如，last，first，min，max，variance，st.dev。等，以用于不同的变量）。因此函数参数可能很长。

在这种情况下，我想要输出表格：

> df.collapse
   V1 V2 V3 V4
1 egg  2 25  a
2 jap  3 55  b

Answer 1

plyr包将帮助您：

library(plyr)
ddply(df, .(V1), summarize, V2 = max(V2), V3 = mean(V3), V4 = toupper(V4)[1])

由于R没有模式功能（可能），我把其他功能。 但是实现模式功能很容易。

Answer 2

我建议使用ddply中的plyr：

require(plyr)
ddply(df, .(V1), summarise, V2=max(V2), V3=mean(V3), V4=V4[1])

您可以使用任何计算替换这些功能。您的V3列是非数字的，因此可能希望将其转换为数字，然后计算模式。现在我只是为每个分割返回第一行的V3值。或者，如果您不想使用plyr：

do.call(rbind, lapply(split(df, df$V1), function(x) {
    data.frame(V2=max(x$V2), V3=mean(x$V3), V4=x$V4[1]))
})