R 使用tapply按组对多个列求和

R 使用tapply按组对多个列求和,r,tapply,R,Tapply,我想按组对各个列进行汇总,我的第一个想法是使用tapply。 然而,我无法让tapply工作。tapply可以用于多列求和吗? 若否,原因为何 我在互联网上搜索了很多类似的问题 早在2008年。然而,这些问题都没有得到直接回答。 相反,回答总是建议使用不同的函数 下面是一个示例数据集,我希望将各州的苹果和各州的樱桃相加 和李子。下面,我已经编译了许多备选方案,以取代tapply 干活儿 在底部,我展示了对tapply源代码的一个简单修改,该修改允许 t按执行所需操作 然而,也许我忽略了一个简单的

我想按组对各个列进行汇总,我的第一个想法是使用
tapply
。 然而,我无法让
tapply
工作。
tapply
可以用于多列求和吗? 若否,原因为何

我在互联网上搜索了很多类似的问题 早在2008年。然而,这些问题都没有得到直接回答。 相反,回答总是建议使用不同的函数

下面是一个示例数据集,我希望将各州的苹果和各州的樱桃相加 和李子。下面,我已经编译了许多备选方案,以取代
tapply
干活儿

在底部,我展示了对
tapply
源代码的一个简单修改,该修改允许
t按
执行所需操作

然而,也许我忽略了一个简单的方法来执行所需的操作 使用
tapply
。我不寻找替代功能,尽管欢迎其他替代功能

鉴于我对
tapply
源代码的修改非常简单,我想知道为什么会这样,或者 类似的情况尚未实施

谢谢你的建议。如果我的问题是重复的,我将很乐意发布我的答案 作为对另一个问题的回答

以下是示例数据集:

df.1 <- read.table(text = '

    state   county   apples   cherries   plums
       AA        1        1          2       3
       AA        2       10         20      30
       AA        3      100        200     300
       BB        7       -1         -2      -3
       BB        8      -10        -20     -30
       BB        9     -100       -200    -300

', header = TRUE, stringsAsFactors = FALSE)
帮助页面显示:

tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

X       an atomic object, typically a vector.
我被短语
弄糊涂了,它通常是一个向量
,这让我想知道
可以使用数据帧。我从来都不清楚原子对象是什么意思

这里有几种可行的
tapply
替代方案。第一个备选方案是将
taply
apply
相结合的变通方法

apply(df.1[,c(3:5)], 2, function(x) tapply(x, df.1$state, sum))

#    apples cherries plums
# AA    111      222   333
# BB   -111     -222  -333

with(df.1, aggregate(df.1[,3:5], data.frame(state), sum))

#   state apples cherries plums
# 1    AA    111      222   333
# 2    BB   -111     -222  -333

t(sapply(split(df.1[,3:5], df.1$state), colSums))

#    apples cherries plums
# AA    111      222   333
# BB   -111     -222  -333

t(sapply(split(df.1[,3:5], df.1$state), function(x) apply(x, 2, sum)))

#    apples cherries plums
# AA    111      222   333
# BB   -111     -222  -333

aggregate(df.1[,3:5], by=list(df.1$state), sum)

#   Group.1 apples cherries plums
# 1      AA    111      222   333
# 2      BB   -111     -222  -333

by(df.1[,3:5], df.1$state, colSums)

# df.1$state: AA
#   apples cherries    plums 
#      111      222      333 
# ------------------------------------------------------------ 
# df.1$state: BB
#   apples cherries    plums 
#     -111     -222     -333

with(df.1, 
     aggregate(x = list(apples   = apples, 
                        cherries = cherries,
                        plums    = plums), 
               by = list(state   = state), 
               FUN = function(x) sum(x)))

#   state apples cherries plums
# 1    AA    111      222   333
# 2    BB   -111     -222  -333

lapply(split(df.1, df.1$state), function(x) {colSums(x[,3:5])} )

# $AA
#   apples cherries    plums 
#      111      222      333 
#
# $BB
#   apples cherries    plums 
#     -111     -222     -333
以下是
tapply
的源代码,只是我更改了行:

nx <- length(X)

tapply
用于向量,对于data.frame,您可以使用
by
(这是
tapply
的包装器,请查看代码):


您正在通过
查找
。它使用
索引
的方式与您假设的
tapply
的方式相同

by(df.1, df.1$state, function(x) colSums(x[,3:5]))

使用
tapply
的问题在于,您正在按列索引
data.frame
。(因为
data.frame
实际上只是列的
列表。)因此,
tapply
抱怨您的索引与
data.frame
的长度不匹配,即5。

我按照EDi的建议查看了
by的源代码。该代码比我在
tapply
中更改为一行的代码要复杂得多。我现在发现,
my.tapply
不适用于下面更复杂的场景,
苹果
樱桃
相加。如果我使用
my.tapply
处理此案例,我可以稍后在此处发布代码:

df.2 <- read.table(text = '

    state   county   apples   cherries   plums
       AA        1        1          2       3
       AA        1        1          2       3
       AA        2       10         20      30
       AA        2       10         20      30
       AA        3      100        200     300
       AA        3      100        200     300

       BB        7       -1         -2      -3
       BB        7       -1         -2      -3
       BB        8      -10        -20     -30
       BB        8      -10        -20     -30
       BB        9     -100       -200    -300
       BB        9     -100       -200    -300

', header = TRUE, stringsAsFactors = FALSE)

# my function works

   tapply(df.2$apples  , list(df.2$state, df.2$county), function(x) {sum(x)})
my.tapply(df.2$apples  , list(df.2$state, df.2$county), function(x) {sum(x)})

# my function works

   tapply(df.2$cherries, list(df.2$state, df.2$county), function(x) {sum(x)})
my.tapply(df.2$cherries, list(df.2$state, df.2$county), function(x) {sum(x)})

# my function does not work

my.tapply(df.2[,3:4], list(df.2$state, df.2$county), function(x) {colSums(x)})
df.2
my.tapply <- function (X, INDEX, FUN = NULL, ..., simplify = TRUE)
{
    FUN <- if (!is.null(FUN)) match.fun(FUN)
    if (!is.list(INDEX)) INDEX <- list(INDEX)
    nI <- length(INDEX)
    if (!nI) stop("'INDEX' is of length zero")
    namelist <- vector("list", nI)
    names(namelist) <- names(INDEX)
    extent <- integer(nI)
    nx     <- ifelse(is.vector(X), length(X), dim(X)[1])  # replaces nx <- length(X)
    one <- 1L
    group <- rep.int(one, nx) #- to contain the splitting vector
    ngroup <- one
    for (i in seq_along(INDEX)) {
    index <- as.factor(INDEX[[i]])
    if (length(index) != nx)
        stop("arguments must have same length")
    namelist[[i]] <- levels(index)#- all of them, yes !
    extent[i] <- nlevels(index)
    group <- group + ngroup * (as.integer(index) - one)
    ngroup <- ngroup * nlevels(index)
    }
    if (is.null(FUN)) return(group)
    ans <- lapply(X = split(X, group), FUN = FUN, ...)
    index <- as.integer(names(ans))
    if (simplify && all(unlist(lapply(ans, length)) == 1L)) {
    ansmat <- array(dim = extent, dimnames = namelist)
    ans <- unlist(ans, recursive = FALSE)
    } else {
    ansmat <- array(vector("list", prod(extent)),
            dim = extent, dimnames = namelist)
    }
    if(length(index)) {
        names(ans) <- NULL
        ansmat[index] <- ans
    }
    ansmat
}

my.tapply(df.1$apples, df.1$state, function(x) {sum(x)})

#  AA   BB 
# 111 -111

my.tapply(df.1[,3:4] , df.1$state, function(x) {colSums(x)})

# $AA
#   apples cherries 
#      111      222 
#
# $BB
#   apples cherries 
#     -111     -222
> by(df.1[,c(3:5)], df.1$state, FUN=colSums)
df.1$state: AA
  apples cherries    plums 
     111      222      333 
------------------------------------------------------------------------------------- 
df.1$state: BB
  apples cherries    plums 
    -111     -222     -333 
by(df.1, df.1$state, function(x) colSums(x[,3:5]))
df.2 <- read.table(text = '

    state   county   apples   cherries   plums
       AA        1        1          2       3
       AA        1        1          2       3
       AA        2       10         20      30
       AA        2       10         20      30
       AA        3      100        200     300
       AA        3      100        200     300

       BB        7       -1         -2      -3
       BB        7       -1         -2      -3
       BB        8      -10        -20     -30
       BB        8      -10        -20     -30
       BB        9     -100       -200    -300
       BB        9     -100       -200    -300

', header = TRUE, stringsAsFactors = FALSE)

# my function works

   tapply(df.2$apples  , list(df.2$state, df.2$county), function(x) {sum(x)})
my.tapply(df.2$apples  , list(df.2$state, df.2$county), function(x) {sum(x)})

# my function works

   tapply(df.2$cherries, list(df.2$state, df.2$county), function(x) {sum(x)})
my.tapply(df.2$cherries, list(df.2$state, df.2$county), function(x) {sum(x)})

# my function does not work

my.tapply(df.2[,3:4], list(df.2$state, df.2$county), function(x) {colSums(x)})