对R中更改数据帧的某些值求和
我有一个数据帧,我想通过添加某些值来聚合它。假设我有六个集群。然后,我将来自每个集群的数据输入到某个函数中,该函数生成一个值x,然后将该值放入输出数据帧中对R中更改数据帧的某些值求和,r,group-by,sum,dataframe,split-apply-combine,R,Group By,Sum,Dataframe,Split Apply Combine,我有一个数据帧,我想通过添加某些值来聚合它。假设我有六个集群。然后,我将来自每个集群的数据输入到某个函数中,该函数生成一个值x,然后将该值放入输出数据帧中 cluster year lambda v e x 1 1 1 -0.12160997 -0.31105287 -0.253391178 15 2 1 2 -0.12160997 -1.06313732 -0.300349972 10 3
cluster year lambda v e x
1 1 1 -0.12160997 -0.31105287 -0.253391178 15
2 1 2 -0.12160997 -1.06313732 -0.300349972 10
3 1 3 -0.12160997 -0.06704185 0.754397069 40
4 2 1 -0.07378295 -0.31105287 -1.331764904 4
5 2 2 -0.07378295 -1.06313732 0.279413039 19
6 2 3 -0.07378295 -0.06704185 -0.004581941 23
7 3 1 -0.02809310 -0.31105287 0.239647063 28
8 3 2 -0.02809310 -1.06313732 1.284568047 38
9 3 3 -0.02809310 -0.06704185 -0.294881283 18
10 4 1 0.33479251 -0.31105287 -0.480496125 15
11 4 2 0.33479251 -1.06313732 -0.380251626 12
12 4 3 0.33479251 -0.06704185 -0.078851036 34
13 5 1 0.27953088 -0.31105287 1.435456851 100
14 5 2 0.27953088 -1.06313732 -0.795435607 0
15 5 3 0.27953088 -0.06704185 -0.166848530 0
16 6 1 0.29409366 -0.31105287 0.126647655 44
17 6 2 0.29409366 -1.06313732 0.162961658 18
18 6 3 0.29409366 -0.06704185 -0.812316265 13
为了进行汇总,我用seroconv.cluster1=sum(data.all[c(1:3),6])
将所有三年中集群1的x值相加,并对每个集群重复
每次我现在更改集群的数量时,我都必须手动更改x的添加。我想说的是,
n.vec您似乎在寻求一种简单的方法来分割数据,应用一个函数(本例中为求和),然后将所有数据组合在一起。Split apply combine是一种常见的数据策略,在R中有几种Split/apply/combine策略,最流行的是base中的ave
、dplyr
包和data.table
包
下面是一个使用dplyr的数据示例:
library(dplyr)
df %>% group_by(cluster, year) %>% summarise_each(funs(sum))
要获得每个簇的
x
之和作为向量,可以使用tapply
:
tapply(df$x, df$cluster, sum)
# 1 2 3 4 5 6
# 65 46 84 61 100 75
如果您希望以数据帧的形式输出,则可以使用聚合:
aggregate(x~cluster, sum, data=df)
# cluster x
# 1 1 65
# 2 2 46
# 3 3 84
# 4 4 61
# 5 5 100
# 6 6 75
要提供和回答的问题很长,到目前为止您尝试了什么?阅读关于dplyr/plyr的范例,这正是它的发明目的。您在这里要问两个问题:考虑到集群的当前配置,如何为每个集群计算x;以及如何为集群的每个新配置再次执行此操作。最好一次问一个问题,因为人们往往不会注意到你的复合问题的每一部分(就像这里发生的那样)。这听起来像是为每个集群数量动态创建了cluster
列,所以类似于lappy(n.vec,function(n)df%>%mutate(cluster=get_clusters(,n))groupby(cluster,year)%%>%总结每个(funs(平均值))