R 重塑2:聚合函数的多个结果?
从我读到的内容来看,重塑2中的*cast操作丢失了其R 重塑2:聚合函数的多个结果?,r,reshape,reshape2,R,Reshape,Reshape2,从我读到的内容来看,重塑2中的*cast操作丢失了其result\u变量功能。Hadley暗示为此使用plyr(将多个结果列附加到输入数据帧)。我如何实现文档示例 aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE) cast(aqm, month ~ variable + result_variable, range) aqm由于“重塑2”和“plyr”软件包的灵活性,这个问题有多种答案。我将在这里展示一个最容易理解的示例:
result\u变量
功能。Hadley暗示为此使用plyr(将多个结果列附加到输入数据帧)。我如何实现文档示例
aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)
cast(aqm, month ~ variable + result_variable, range)
aqm由于“重塑2”和“plyr”软件包的灵活性,这个问题有多种答案。我将在这里展示一个最容易理解的示例:
library(reshape2)
library(plyr)
aqm <- melt(airquality, id=c("Month", "Day"), na.rm=TRUE)
aqm_ply <- ddply(aqm, .(Month, variable), summarize, min=min(value), max=max(value))
aqm_melt <- melt(aqm_ply, id=c("Month", "variable"), variable.name="variable2")
dcast(aqm_melt, Month ~ variable + variable2)
# Month Ozone_min Ozone_max Solar.R_min Solar.R_max Wind_min Wind_max Temp_min Temp_max
# 1 5 1 115 8 334 5.7 20.1 56 81
# 2 6 12 71 31 332 1.7 20.7 65 93
# 3 7 7 135 7 314 4.1 14.9 73 92
# 4 8 9 168 24 273 2.3 15.5 72 97
# 5 9 7 96 14 259 2.8 16.6 63 93
然后我们指定要用于分组数据的变量“月”和“变量”。我们使用
函数直接引用这些变量,而不是引用它们包含的值
ddply(aqm, .(Month, variable),
现在我们需要选择一个聚合函数。我们在这里选择了summary
函数,因为我们有一些列('Day'和'value'),我们不想包含在最终数据中。summary
函数将删除所有原始的非分组列
ddply(aqm, .(Month, variable), summarize,
最后,我们为每个组指定要执行的计算。我们可以引用原始数据帧(“aqm”)的列,即使它们不会包含在我们的最终数据帧中。这就是它的样子:
aqm_ply <- ddply(aqm, .(Month, variable), summarize, min=min(value), max=max(value))
# Month variable min max
# 1 5 Ozone 1.0 115.0
# 2 5 Solar.R 8.0 334.0
# 3 5 Wind 5.7 20.1
# 4 5 Temp 56.0 81.0
# 5 6 Ozone 12.0 71.0
# 6 6 Solar.R 31.0 332.0
# 7 6 Wind 1.7 20.7
# 8 6 Temp 65.0 93.0
# 9 7 Ozone 7.0 135.0
# 10 7 Solar.R 7.0 314.0
# 11 7 Wind 4.1 14.9
# 12 7 Temp 73.0 92.0
# 13 8 Ozone 9.0 168.0
# 14 8 Solar.R 24.0 273.0
# 15 8 Wind 2.3 15.5
# 16 8 Temp 72.0 97.0
# 17 9 Ozone 7.0 96.0
# 18 9 Solar.R 14.0 259.0
# 19 9 Wind 2.8 16.6
# 20 9 Temp 63.0 93.0
步骤4:我们最终可以通过将数据转换成最终形式来结束这一切
dcast(aqm_melt, Month ~ variable + variable2)
# Month Ozone_min Ozone_max Solar.R_min Solar.R_max Wind_min Wind_max Temp_min Temp_max
# 1 5 1 115 8 334 5.7 20.1 56 81
# 2 6 12 71 31 332 1.7 20.7 65 93
# 3 7 7 135 7 314 4.1 14.9 73 92
# 4 8 9 168 24 273 2.3 15.5 72 97
# 5 9 7 96 14 259 2.8 16.6 63 93
希望这个例子能给你足够的理解,让你开始学习。请注意,“plyr”软件包的一个新的数据帧优化版本正在以“dplyr”的名义积极开发中,因此您可能希望在新软件包变得更加成熟后,将您的代码转换为新软件包。以下是一个dplyr
解决方案,该解决方案利用了令人惊叹的%%
功能。它还使用了基本的重塑
功能,该功能通常未得到充分利用(IMHO)。代码是不言自明的
library(dplyr)
airquality %>%
melt(c('Month', 'Day')) %>%
group_by(Month, variable) %>%
summarise(min = min(value, na.rm = T), max = max(value, na.rm = T)) %>%
reshape(timevar = 'variable', idvar = 'Month', direction = 'wide') %>%
arrange(Month)
我认为其他答案应该包括如何使用“plyr”或“dplyr”(我鼓励你继续朝这个方向看)
为了好玩,这里有一个围绕dcast
的包装器,可以让您指定多个函数。它不适用于返回多个值的函数(如range
),它要求您使用命名的函数列表
dcastMult <- function(data, formula, value.var = "value",
funs = list("min" = min, "max" = max)) {
require(reshape2)
if (is.null(names(funs)) | any(names(funs) == "")) stop("funs must be named")
Form <- formula(formula)
LHS <- as.character(Form[[2]])
if (length(LHS) > 1) LHS <- LHS[-1]
temp <- lapply(seq_along(funs), function(Z) {
T1 <- dcast(data, Form, value.var = value.var,
fun.aggregate=match.fun(funs[[Z]]), fill = 0)
Names <- !names(T1) %in% LHS
names(T1)[Names] <- paste(names(T1)[Names], names(funs)[[Z]], sep = "_")
T1
})
Reduce(function(x, y) merge(x, y), temp)
}
使用to,我们可以同时强制转换多个value.var
列(还可以在fun.aggregate
中使用多个聚合函数)。有关更多信息以及示例部分,请参见?dcast
下面是我们如何使用dcast的方法:
require(data.table) # v1.9.5+
dt = as.data.table(airquality)
valvars = c("Ozone", "Solar.R", "Wind", "Temp")
dcast(dt, Month ~ ., fun=list(min, max), na.rm=TRUE, value.var=valvars)
# Month ._min_Ozone ._min_Solar.R ._min_Wind ._min_Temp ._max_Ozone ._max_Solar.R ._max_Wind
# 1: 5 1 8 5.7 56 115 334 20.1
# 2: 6 12 31 1.7 65 71 332 20.7
# 3: 7 7 7 4.1 73 135 314 14.9
# 4: 8 9 24 2.3 72 168 273 15.5
# 5: 9 7 14 2.8 63 96 259 16.6
# ._max_Temp
# 1: 81
# 2: 93
# 3: 92
# 4: 97
# 5: 93
您可以安全地忽略这些警告。您是否也运行了names(airquality)否,colnames已经用小写。。。没有必要。谢谢,我真的很喜欢这是一个非常好的解决方案,但是您可以将参数传递给funs
,或者将任何其他参数传递给dcast()
调用吗?怎么能让它更通用一点呢?
library(dplyr)
airquality %>%
melt(c('Month', 'Day')) %>%
group_by(Month, variable) %>%
summarise(min = min(value, na.rm = T), max = max(value, na.rm = T)) %>%
reshape(timevar = 'variable', idvar = 'Month', direction = 'wide') %>%
arrange(Month)
dcastMult <- function(data, formula, value.var = "value",
funs = list("min" = min, "max" = max)) {
require(reshape2)
if (is.null(names(funs)) | any(names(funs) == "")) stop("funs must be named")
Form <- formula(formula)
LHS <- as.character(Form[[2]])
if (length(LHS) > 1) LHS <- LHS[-1]
temp <- lapply(seq_along(funs), function(Z) {
T1 <- dcast(data, Form, value.var = value.var,
fun.aggregate=match.fun(funs[[Z]]), fill = 0)
Names <- !names(T1) %in% LHS
names(T1)[Names] <- paste(names(T1)[Names], names(funs)[[Z]], sep = "_")
T1
})
Reduce(function(x, y) merge(x, y), temp)
}
dcastMult(aqm, month ~ variable, value.var="value",
funs = list("min" = min, "max" = max))
# month ozone_min solar.r_min wind_min temp_min ozone_max solar.r_max wind_max temp_max
# 1 5 1 8 5.7 56 115 334 20.1 81
# 2 6 12 31 1.7 65 71 332 20.7 93
# 3 7 7 7 4.1 73 135 314 14.9 92
# 4 8 9 24 2.3 72 168 273 15.5 97
# 5 9 7 14 2.8 63 96 259 16.6 93
require(data.table) # v1.9.5+
dt = as.data.table(airquality)
valvars = c("Ozone", "Solar.R", "Wind", "Temp")
dcast(dt, Month ~ ., fun=list(min, max), na.rm=TRUE, value.var=valvars)
# Month ._min_Ozone ._min_Solar.R ._min_Wind ._min_Temp ._max_Ozone ._max_Solar.R ._max_Wind
# 1: 5 1 8 5.7 56 115 334 20.1
# 2: 6 12 31 1.7 65 71 332 20.7
# 3: 7 7 7 4.1 73 135 314 14.9
# 4: 8 9 24 2.3 72 168 273 15.5
# 5: 9 7 14 2.8 63 96 259 16.6
# ._max_Temp
# 1: 81
# 2: 93
# 3: 92
# 4: 97
# 5: 93