R 如何基于列中的相同值嵌套数据帧？

我有一个数据框，里面有一些相同的名字，我希望得到一些相关数字的基本统计数据。最初，数据如下所示：

name res1 res2 res3
foo   1.1   NA   10
foo   2.4   NA  2.1
foo   NA     1  1.2
bar     1    2    3

name       res1  res2           res3
foo   [1.1,2.4]   [1]   [10,2.1,1.2]
bar         [1]   [2]            [3]

为了获得统计数据，我考虑如下嵌套数据：

name res1 res2 res3
foo   1.1   NA   10
foo   2.4   NA  2.1
foo   NA     1  1.2
bar     1    2    3

name       res1  res2           res3
foo   [1.1,2.4]   [1]   [10,2.1,1.2]
bar         [1]   [2]            [3]

---

这将是一个步骤，可以得到每个向量的平均值和S.D，等等。i、 e.然后，我会为res1的平均值、res1的SD等添加列。如何基于相同的值将数据框嵌套在一列中？

虽然我同意最近邮件的建议，但您可以使用

dplyr

获得所需的输出：

library(dplyr)
dtf %>% group_by(name) %>% summarize_all( ~ list(.[!is.na(.)]))

# # A tibble: 2 x 4
#     name      res1      res2      res3
#   <fctr>    <list>    <list>    <list>
# 1    bar <dbl [1]> <int [1]> <dbl [1]>
# 2    foo <dbl [2]> <int [1]> <dbl [3]>

库（dplyr）
dtf%%>%group_by（名称）%%>%SUMMARY_all（~list（.[！is.na（.）]））
##A tibble:2 x 4
#名称res1 res2 res3
#               
#1巴
#2富

数据：

dtf <- read.table(textConnection('name res1 res2 res3
foo   1.1   NA   10
foo   2.4   NA  2.1
foo   NA     1  1.2
bar     1    2    3'), header = TRUE)

---

dtf我花了几个小时，但我根据最近的邮件制定了一个创建长版本的策略

输入数据（感谢mt1022的支持）

tidyverse
通过
nest
和
map

你的数据
mydf%
nest（）
#名称数据
#              
#一福
#2巴
#使用'mutate（data=map（data，~…）对嵌套数据执行操作`
统计数据%
突变（数据=map（数据，~mean（.x$res3，na.rm=TRUE））%>%
unnest（数据）
#名称数据
#       
#1 foo 4.433333
#2巴300万
我不需要像嵌套那样麻烦，我只需要创建一个“长”数据集，类似于
cbind（dat[“name”]、stack（dat[-1]）
其中有3列-
name
/
group
/
值
/。如果您有摘要级别的统计数据（平均值/sd等），它们应该以摘要级别存储在单独的数据集中。谢谢@thelatemail，这听起来很有趣。如果你能发布一些关于如何处理统计部分的代码，那将非常有用！干杯。我根据你的建议制定了一个策略，@thelatemail。谢谢。谢谢（+1）.我花了几个小时从tibble中提取统计数据，只是选择了“长”版本。但是，你回答了提出的问题，所以我接受！
library(plyr)
ddply(long, c("name","ind"), summarise,
  count = length(values[!is.na(values)]),
  mean = mean(values[!is.na(values)]),
  sd = sd(values[!is.na(values)]),
  sem = sd(values[!is.na(values)])/sqrt(length(values[!is.na(values)])))

mydf <- structure(list(name = c("foo", "foo", "foo", "bar"), res1 = c(1.1, 
2.4, NA, 1), res2 = c(NA, NA, 1L, 2L), res3 = c(10, 2.1, 1.2, 
3)), .Names = c("name", "res1", "res2", "res3"), row.names = c(NA, 
-4L), class = c("data.table", "data.frame"))

library(tidyverse)
# nest 'other'-columns by `name` group
nesteddf <- mydf %>%
          group_by(name) %>%
          nest()

#    name             data
#   <chr>           <list>
# 1   foo <tibble [3 x 3]>
# 2   bar <tibble [1 x 3]>  

# perform operations on nested data with `mutate(data = map(data, ~...)`
stats <- nesteddf %>%
           mutate(data = map(data, ~mean(.x$res3, na.rm=TRUE))) %>%
           unnest(data)

#    name     data
#   <chr>    <dbl>
# 1   foo 4.433333
# 2   bar 3.000000