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：

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
：
A
dplyr
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))