R 将聚合值连接回原始数据帧
我反复使用的设计模式之一是在数据帧上执行“分组方式”或“拆分、应用、合并(SAC)”,然后将聚合数据连接回原始数据。例如,在计算多个州和县的数据框架中每个县与州平均值的偏差时,这是有用的。我的合计计算很少只是一个简单的平均值,但它是一个很好的例子。我经常用以下方法解决这个问题:R 将聚合值连接回原始数据帧,r,plyr,R,Plyr,我反复使用的设计模式之一是在数据帧上执行“分组方式”或“拆分、应用、合并(SAC)”,然后将聚合数据连接回原始数据。例如,在计算多个州和县的数据框架中每个县与州平均值的偏差时,这是有用的。我的合计计算很少只是一个简单的平均值,但它是一个很好的例子。我经常用以下方法解决这个问题: require(plyr) set.seed(1) ## set up some data group1 <- rep(1:3, 4) group2 <- sample(c("A","B","C"), 12
require(plyr)
set.seed(1)
## set up some data
group1 <- rep(1:3, 4)
group2 <- sample(c("A","B","C"), 12, rep=TRUE)
values <- rnorm(12)
df <- data.frame(group1, group2, values)
## got some data, so let's aggregate
group1Mean <- ddply( df, "group1", function(x)
data.frame( meanValue = mean(x$values) ) )
df <- merge( df, group1Mean )
df
这是可行的,但是否有其他方法可以提高可读性、性能等?一行代码就可以做到这一点:
new <- ddply( df, "group1", transform, numcolwise(mean))
new
group1 group2 values meanValue
1 1 A 0.48742905 -0.121033381
2 1 A -0.04493361 -0.121033381
3 1 C -0.62124058 -0.121033381
4 1 C -0.30538839 -0.121033381
5 2 A 1.51178117 0.004803931
6 2 B 0.73832471 0.004803931
7 2 A -0.01619026 0.004803931
8 2 B -2.21469989 0.004803931
9 3 B 1.12493092 0.758597929
10 3 C 0.38984324 0.758597929
11 3 B 0.57578135 0.758597929
12 3 A 0.94383621 0.758597929
identical(df, new)
[1] TRUE
new您不能将x
添加到传递给ddply
的函数中吗
df <- ddply( df, "group1", function(x)
data.frame( x, meanValue = mean(x$values) ) )
df我认为ave()
在这里比您展示的plyr调用更有用(我对plyr不够熟悉,不知道您是否可以直接使用plyr做您想做的事情,如果您不能做,我会感到惊讶!)或其他基本R替代方案(aggregate()
,tapply()
):
您可以使用in()
或transform()
将此结果直接嵌入df
:
> df2 <- within(df, meanValue <- ave(values, group1, FUN = mean))
> head(df2)
group1 group2 values meanValue
1 1 A 0.4874291 -0.121033381
2 2 B 0.7383247 0.004803931
3 3 B 0.5757814 0.758597929
4 1 C -0.3053884 -0.121033381
5 2 A 1.5117812 0.004803931
6 3 C 0.3898432 0.758597929
> df3 <- transform(df, meanValue = ave(values, group1, FUN = mean))
> all.equal(df2,df3)
[1] TRUE
在性能方面,您可以使用内置聚合的包来执行类似的操作,由于索引和基于C的实现,该包速度非常快。例如,您的示例中已经存在给定的df
:
Adplyr
可能性:
library(dplyr)
df %>%
group_by(group1) %>%
mutate(meanValue = mean(values))
这将按原始顺序返回数据帧。如果您希望按“组1”订购,请将arrange(group1)
添加到管道中。请参见我忘记了所有有关transform的内容。事后看来很明显。但是谢谢你解释我不熟悉的numcolwise
。这是一个很好的习惯用法,但是当一些变量应该是和,而另一些则意味着时,这很难做到。@richiemorrisroe比其他习惯用法更难吗?@Andrie不,我只是希望你能用一些我没有意识到的显而易见的解决方案来回答。漂亮。我没有意识到其他函数可以与ave()
一起使用。。。很明显,我以前应该读过这些文件。
> df2 <- within(df, meanValue <- ave(values, group1, FUN = mean))
> head(df2)
group1 group2 values meanValue
1 1 A 0.4874291 -0.121033381
2 2 B 0.7383247 0.004803931
3 3 B 0.5757814 0.758597929
4 1 C -0.3053884 -0.121033381
5 2 A 1.5117812 0.004803931
6 3 C 0.3898432 0.758597929
> df3 <- transform(df, meanValue = ave(values, group1, FUN = mean))
> all.equal(df2,df3)
[1] TRUE
> head(df2[order(df2$group1, df2$group2), ])
group1 group2 values meanValue
1 1 A 0.48742905 -0.121033381
10 1 A -0.04493361 -0.121033381
4 1 C -0.30538839 -0.121033381
7 1 C -0.62124058 -0.121033381
5 2 A 1.51178117 0.004803931
11 2 A -0.01619026 0.004803931
library("data.table")
dt<-as.data.table(df)
setkey(dt,group1)
dt<-dt[,list(group2,values,meanValue=mean(values)),by=group1]
dt
group1 group2 values meanValue
[1,] 1 A 0.82122120 0.18810771
[2,] 1 C 0.78213630 0.18810771
[3,] 1 C 0.61982575 0.18810771
[4,] 1 A -1.47075238 0.18810771
[5,] 2 B 0.59390132 0.03354688
[6,] 2 A 0.07456498 0.03354688
[7,] 2 B -0.05612874 0.03354688
[8,] 2 A -0.47815006 0.03354688
[9,] 3 B 0.91897737 -0.20205707
[10,] 3 C -1.98935170 -0.20205707
[11,] 3 B -0.15579551 -0.20205707
[12,] 3 A 0.41794156 -0.20205707
dt <- as.data.table(df)
dt[, meanValue := mean(values), by = group1]
library(dplyr)
df %>%
group_by(group1) %>%
mutate(meanValue = mean(values))