R 在数据帧中聚合行
我有一个这种格式的data.frame:R 在数据帧中聚合行,r,dataframe,aggregate,R,Dataframe,Aggregate,我有一个这种格式的data.frame: df <- data.frame(time = seq(0.2,4,0.2), behavior = c(rep(0,4),rep(1,4),rep(2,4),rep(0,4),rep(1,4)), n1 = rnorm(20), n2 = rnorm(20)) 实现这一点最有效的方法是什么?这里有一种使用dplyr的方法。由于您在df中使用了不带set.seed的rnorm,因此我的结果与您的结果不同 df %>% group_b
df <- data.frame(time = seq(0.2,4,0.2), behavior = c(rep(0,4),rep(1,4),rep(2,4),rep(0,4),rep(1,4)), n1 = rnorm(20), n2 = rnorm(20))
实现这一点最有效的方法是什么?这里有一种使用dplyr的方法。由于您在df中使用了不带set.seed的rnorm,因此我的结果与您的结果不同
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>% # assigning groups
summarise(Time = sum(time),
ave.n1 = sum(n1) / Time,
ave.n2 = sum(n2) / Time)
# group Time ave.n1 ave.n2
#1 1 2.0 0.68164245 -1.57266432
#2 2 5.2 -0.26419520 0.19598772
#3 3 8.4 -0.04105184 0.24406783
#4 4 11.6 0.10536325 -0.28962844
#5 5 14.8 -0.09449933 -0.02142792
如果你有n1-n200,你可以这样做。请注意,您的n1-n200是
这里被覆盖了。您可以进行变异\u eachfuns./time,vars=matches^n。这将
创建200个列名为var1、var2的列。你需要自己替换这些名字。
对于当前版本的dplyr,重命名部分有点麻烦。但你很容易做到
例如,这是使用gsub实现的
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise_each(funs(sum = sum(., na.rm = TRUE))) %>%
mutate_each(funs(./time), matches("^n")) %>%
select(-behavior)
如果你想保持原来的行为,你可以这样做
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise(behavior = behavior[1]) -> foo;
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise(Time = sum(time),
ave.n1 = sum(n1) / Time,
ave.n2 = sum(n2) / Time) %>%
do(cbind(.,foo[,2]))
# group Time ave.n1 ave.n2 behavior
#1 1 2.0 0.93849292 0.90373785 0
#2 2 5.2 0.26211881 -0.11678684 1
#3 3 8.4 0.12171471 0.15838066 2
#4 4 11.6 0.11046081 0.17450358 0
#5 5 14.8 -0.06480093 0.03401513 1
美好的我不知道您可以在组中添加/更改列_by@RichardScriven谢谢您可以在起重机手册中看到这一点。节省打字的好方法,对吧?谢谢!如果不是只有n1,n2,而是有n1,n2,…,n200列,我想取平均值呢?
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise(behavior = behavior[1]) -> foo;
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise(Time = sum(time),
ave.n1 = sum(n1) / Time,
ave.n2 = sum(n2) / Time) %>%
do(cbind(.,foo[,2]))
# group Time ave.n1 ave.n2 behavior
#1 1 2.0 0.93849292 0.90373785 0
#2 2 5.2 0.26211881 -0.11678684 1
#3 3 8.4 0.12171471 0.15838066 2
#4 4 11.6 0.11046081 0.17450358 0
#5 5 14.8 -0.06480093 0.03401513 1