函数中具有多个参数的R聚合
Im尝试通过在data.frame上使用聚合来避免耗时的for循环。但我需要在最后的计算中输入其中一列的值函数中具有多个参数的R聚合,r,dataframe,aggregate,R,Dataframe,Aggregate,Im尝试通过在data.frame上使用聚合来避免耗时的for循环。但我需要在最后的计算中输入其中一列的值 dat <- data.frame(key = c('a', 'b', 'a','b'), rate = c(0.5,0.4,1,0.6), v1 = c(4,0,3,1), v2 = c(2,0,9,4)) >dat key rate v1 v2 1 a 0.5 4 2 2 b 0.4 0 0 3 a 1.0 3 9 4 b 0
dat <- data.frame(key = c('a', 'b', 'a','b'),
rate = c(0.5,0.4,1,0.6),
v1 = c(4,0,3,1),
v2 = c(2,0,9,4))
>dat
key rate v1 v2
1 a 0.5 4 2
2 b 0.4 0 0
3 a 1.0 3 9
4 b 0.6 1 4
aggregate(dat[,-1], list(key=dat$key),
function(x, y=dat$rate){
rates <- as.numeric(y)
values <- as.numeric(x)
return(sum(values*rates)/sum(rates))
})
dat-dat
密钥速率v1 v2
1 a 0.5 4 2
2 b 0.4 0 0
3 a 1.0 3 9
4B0.614
聚合(dat[,-1],列表(键=dat$键),
函数(x,y=dat$速率){
费率一种解决方案是使用plyr
软件包中的ddply
:
res = ddply(dat, .(key), summarise, result = sum(v1 * rate) / sum(rate))
> res
key result
1 a 3.333333
2 b 0.600000
DT <- data.table(dat, key = "key")
DT[, list(v1 = sum(rate * v1)/sum(rate), v2 = sum(rate * v2)/sum(rate)), by = "key"]
# key v1 v2
# 1: a 3.333333 6.666667
# 2: b 0.600000 2.400000
如果要将此应用于所有v
列,我建议首先稍微更改一下数据结构:
dat = melt(dat, id.vars = c("key", "rate"))
> dat
key rate variable value
1 a 0.5 v1 4
2 b 0.4 v1 0
3 a 1.0 v1 3
4 b 0.6 v1 1
5 a 0.5 v2 2
6 b 0.4 v2 0
7 a 1.0 v2 9
8 b 0.6 v2 4
然后再次使用ddply
:
res = ddply(dat, .(key, variable), summarise, result = sum(value * rate) / sum(rate))
> res
key variable result
1 a v1 3.333333
2 a v2 6.666667
3 b v1 0.600000
4 b v2 2.400000
…或者您需要标准的R解决方案,您可以使用
res = by(dat, list(dat$key), function(x) sum(x$v1 * x$rate) / sum(x$rate))
> res
: a
[1] 3.333333
------------------------------------------------------------
: b
[1] 0.6
以下是我通过使用“data.table
”包实现的目标:
第二,合计:
datDT[, lapply(.SD, function(x, y = rate) sum(y * x)/sum(y)), by = "key"]
# key rate v1 v2 v3 x1 x2 x3
# 1: a 0.6501303 6.335976 8.634691 15.75915 3.363832 7.658762 13.19152
# 2: b 0.7375793 3.595585 10.749705 16.26582 2.792390 7.741787 12.57301
如果您有一个非常大的数据集,通常可能需要浏览data.table
值得一提的是,我在BaseR中也取得了成功,但我不确定这会有多高效,特别是因为转置等等
t(sapply(split(dat, dat[1]),
function(x, y = 3:ncol(dat)) {
V1 <- vector()
for (i in 1:length(y)) {
V1[i] <- sum(x[2] * x[y[i]])/sum(x[2])
}
V1
}))
# [,1] [,2] [,3] [,4] [,5] [,6]
# a 6.335976 8.634691 15.75915 3.363832 7.658762 13.19152
# b 3.595585 10.749705 16.26582 2.792390 7.741787 12.57301
t(sapply(split)(dat,dat[1]),
函数(x,y=3:ncol(dat)){
V1谢谢您的回答,但这并不是我想要的!我有更多的列,因此需要为所有V
列复制此解决方案!最后使用cbind(?)我扩展了我的答案以包括这个附加要求。试图更具体一些:每个V
列必须是一个函数的结果,该函数依赖于V
本身和列速率,按键
值分组。我试图避免数据的重组,因为这将导致表有5.600.000行。最后,我将不得不做与原始结构相反的事情。但是如果没有其他方法…谢谢你的帮助!我估计datDT[,lapply(.SD,function(x,y){sum(x*y)/sum(y)},y=rate),by=key][,setdiff(names(datDT),'rate'),with=F]
可以做到这一点,而且更容易理解。您甚至可以使用加权的替换匿名函数。如果want@mnel,我在此完全期待您的意见;)几天前,我刚开始探索数据表
。@mnel,关于加权平均值的使用,我想最好还是保留它,因为我正在考虑OP问题的标题。:。附加[,setdiff(names(datDT),'rate'),with=F]
将删除费率
列-此列没有特别的意义这些答案对你来说是否可行?
t(sapply(split(dat, dat[1]),
function(x, y = 3:ncol(dat)) {
V1 <- vector()
for (i in 1:length(y)) {
V1[i] <- sum(x[2] * x[y[i]])/sum(x[2])
}
V1
}))
# [,1] [,2] [,3] [,4] [,5] [,6]
# a 6.335976 8.634691 15.75915 3.363832 7.658762 13.19152
# b 3.595585 10.749705 16.26582 2.792390 7.741787 12.57301