R 使用lappy和which根据特征和功能对数据帧进行子集_R_Dataframe_Subset_Apply

R 使用lappy和which根据特征和功能对数据帧进行子集

r dataframe

R 使用lappy和which根据特征和功能对数据帧进行子集,r,dataframe,subset,apply,R,Dataframe,Subset,Apply,我有一个5维数据的数据框，如下所示： > dim(alldata) [1] 162 6 > head(alldata) value layer Kmultiplier Resolution Season Variable 1: 0.01308008 b .01K 1km Baseflow Evapotranspiration 2: 0.03974779 b .01K

我有一个5维数据的数据框，如下所示：

> dim(alldata)
[1] 162   6
> head(alldata)
         value layer Kmultiplier Resolution      Season           Variable
1:  0.01308008     b        .01K        1km    Baseflow Evapotranspiration
2:  0.03974779     b        .01K        1km   Peak Flow Evapotranspiration
3:  0.02396524     b        .01K        1km Summer Flow Evapotranspiration
4: -0.15670996     b        .01K        1km    Baseflow          Discharge
5:  0.06774948     b        .01K        1km   Peak Flow          Discharge
6: -0.04138313     b        .01K        1km Summer Flow          Discharge

> A=data.frame(seq(1,9),rep(c("a","b","c"),3),c(rep("type1",3),rep("type2",3),rep("type3",3)),c(rep("place1",2),rep("place2",2),rep("place3",2),rep("place1",2),rep("place2",1)))
> names(A)=c("value","Letter","Type","Place")
> A
  value Letter  Type  Place
1     1      a type1 place1
2     2      b type1 place1
3     3      c type1 place2
4     4      a type2 place2
5     5      b type2 place3
6     6      c type2 place3
7     7      a type3 place1
8     8      b type3 place1
9     9      c type3 place2

我想做的是根据其他列获取数据的某些“特征”的值列的平均值。因此，我使用它将数据子集为我感兴趣的变量，例如：

> subset=alldata[which(alldata$Variable=="Discharge" & alldata$Resolution=="1km" & alldata$Season=="Peak Flow"),]
> subset
          value layer Kmultiplier Resolution    Season  Variable
1:  0.067749478     b        .01K        1km Peak Flow Discharge
2:  0.058260448     b         .1K        1km Peak Flow Discharge
3: -0.223953725     b         10K        1km Peak Flow Discharge
4:  0.272916114     g        .01K        1km Peak Flow Discharge
5:  0.240135025     g         .1K        1km Peak Flow Discharge
6: -0.216730348     g         10K        1km Peak Flow Discharge
7:  0.088966500     s        .01K        1km Peak Flow Discharge
8: -0.018943754     s         .1K        1km Peak Flow Discharge
9: -0.008339365     s         10K        1km Peak Flow Discharge

这就是我被困的地方。假设我想要一个向量或“层”列中每个值的平均值列表。。。所以我会得到3个数字，一个代表“b”，一个代表“g”，一个代表“s”。我需要做一系列这样的子集，我认为apply函数可以提供帮助，但是经过多次教程和堆栈问题之后，我无法让它工作。一个简单的例子也可以，如下所示：

> dim(alldata)
[1] 162   6
> head(alldata)
         value layer Kmultiplier Resolution      Season           Variable
1:  0.01308008     b        .01K        1km    Baseflow Evapotranspiration
2:  0.03974779     b        .01K        1km   Peak Flow Evapotranspiration
3:  0.02396524     b        .01K        1km Summer Flow Evapotranspiration
4: -0.15670996     b        .01K        1km    Baseflow          Discharge
5:  0.06774948     b        .01K        1km   Peak Flow          Discharge
6: -0.04138313     b        .01K        1km Summer Flow          Discharge

> A=data.frame(seq(1,9),rep(c("a","b","c"),3),c(rep("type1",3),rep("type2",3),rep("type3",3)),c(rep("place1",2),rep("place2",2),rep("place3",2),rep("place1",2),rep("place2",1)))
> names(A)=c("value","Letter","Type","Place")
> A
  value Letter  Type  Place
1     1      a type1 place1
2     2      b type1 place1
3     3      c type1 place2
4     4      a type2 place2
5     5      b type2 place3
6     6      c type2 place3
7     7      a type3 place1
8     8      b type3 place1
9     9      c type3 place2

从这个简单的例子中，我需要“value”列的平均值，以字母形式列出，用于“place1”，它应该返回类似于“a=平均值，b=平均值，c=平均值”的值，无论采用何种格式

这是应用功能的工作吗？如果是，怎么做？如果没有，请告诉我一个更好的数据子集选择

谢谢大家!

在您给出的示例数据集上实施的替代解决方案，且不使用任何

应用系列函数
使用dplyr软件包
library(dplyr)
A %>% 
 group_by_(.dots = c("Place","Letter")) %>% 
 summarise(MEAN = mean(value))

# Source: local data frame [6 x 3]
# Groups: Place [?]

#    Place Letter  MEAN
#    <fctr> <fctr> <dbl>
# 1 place1      a     4
# 2 place1      b     5
# 3 place2      a     4
# 4 place2      c     6
# 5 place3      b     5
# 6 place3      c     6

考虑一下by
的tapply
面向对象包装器，它可以跨一个或多个因素（如地点和时间）对数据帧进行子集。从数据帧列表中，可以将行绑定到一个最终df
df_List <- by(A, A[,c("Place", "Letter")], 
                   FUN = function(i) transform(i, mean = mean(i$value)))

finaldf <- do.call(rbind, dfList)
finaldf
#   value Letter  Type  Place mean
# 1     1      a type1 place1    4
# 7     7      a type3 place1    4
# 4     4      a type2 place2    4
# 2     2      b type1 place1    5
# 8     8      b type3 place1    5
# 5     5      b type2 place3    5
# 3     3      c type1 place2    6
# 9     9      c type3 place2    6
# 6     6      c type2 place3    6

df_List谢谢你的建议。我最终选择了ddply，以便按照来自的一般建议将数据转换成更有用的格式
下面是一个简单的例子：
> A=data.frame(seq(1,9),rep(c("a","b","c"),3),c(rep("type1",3),rep("type2",3),rep("type3",3)),c(rep("place1",2),rep("place2",2),rep("place3",2),rep("place1",2),rep("place2",1)))
> names(A)=c("value","Letter","Type","Place")
> A
  value Letter  Type  Place
1     1      a type1 place1
2     2      b type1 place1
3     3      c type1 place2
4     4      a type2 place2
5     5      b type2 place3
6     6      c type2 place3
7     7      a type3 place1
8     8      b type3 place1
9     9      c type3 place2

下面是我的代码，用于查找place1和type1中每个值的“value”平均值：
> sub=ddply(A[which(A$Place=="place1" & A$Type=="type1"),],"value",summarize,mean=mean(value,na.rm=T))
> sub
  value mean
1     1    1
2     2    2

由于“sub”已经是一个数据帧，因此添加具有其他特征的列并绘制这些结果很容易
---------------------------------------------------------------------------------
如果您感兴趣，下面是我实际尝试创建的更复杂的数据集子集：
> head(alldata)
        value layer Kmultiplier Resolution      Season           Variable
1: 0.00000000     b           1        1km    Baseflow Evapotranspiration
2: 0.01308008     b         .01        1km    Baseflow Evapotranspiration
3: 0.00000000     b           1        1km   Peak Flow Evapotranspiration
4: 0.03974779     b         .01        1km   Peak Flow Evapotranspiration
5: 0.00000000     b           1        1km Summer Flow Evapotranspiration
6: 0.02396524     b         .01        1km Summer Flow Evapotranspiration

我写了几行代码将其子集为可绘制的部分：
  for(j in Season){
    for(i in res){
      ET=ddply(alldata[which(alldata$Variable=="Evapotranspiration" & alldata$Resolution==sprintf("%s",i) & alldata$Season==sprintf("%s",j)),],"Kmultiplier", summarize, mean = mean(value,na.rm=T))
      ET$Variable="Evapotranspiration";ET$Resolution=sprintf("%s",i);ET$Season=sprintf("%s",j)
      S=ddply(alldata[which(alldata$Variable=="Change in Storage" & alldata$Resolution==sprintf("%s",i) & alldata$Season==sprintf("%s",j)),],"Kmultiplier", summarize, mean = mean(value,na.rm=T))
      S$Variable="Change in Storage";S$Resolution=sprintf("%s",i);S$Season=sprintf("%s",j)
      Q=ddply(alldata[which(alldata$Variable=="Discharge" & alldata$Resolution==sprintf("%s",i) & alldata$Season==sprintf("%s",j)),],"Kmultiplier", summarize, mean = mean(value,na.rm=T))
      Q$Variable="Discharge";Q$Resolution=sprintf("%s",i);Q$Season=sprintf("%s",j)
      if(i=="1km"){resbind=rbind(Q,S,ET)}else{resbind2=rbind(resbind,Q,S,ET)}
    } 
    if(j=="Baseflow"){sbind=rbind(resbind2,Q,S,ET)}else if(j=="Peak Flow"){sbind2=rbind(resbind2,sbind,Q,S,ET)}else{ETSQ=rbind(resbind2,sbind2,Q,S,ET)}
  }
  ETSQ$Variable=factor(ETSQ$Variable,levels=c("Change in Storage","Evapotranspiration","Discharge"))
  print(ggplot(data=ETSQ,aes(x=Kmultiplier,y=mean, color=Variable,group=Variable))
        +geom_point()
        +geom_line()
        +labs(x="K scaled by",y="Percent change from Baseline case")
        +scale_y_continuous(labels=percent)
        +facet_grid(Season~Resolution)
        +theme_bw()
  )
  ggsave(sprintf("%s/Plots/SimpleLines/Variable_by_K.png",path),device = NULL,scale=1)

最后是结果图：
对于系数列的分组平均值或水平平均值，请使用tapply（）
函数。是的，这是*应用
函数的工作。正如@SowmyaS.Manian所说，如果每个组只需要一个值，那么第一个选择将是tapply
，或者ave
如果需要与数据帧中的行一样多的输出值（在每个组中，值是相等的）。最后有人建议使用未充分利用的，但您在向量而不是数据帧上运行它。