R ddply+；汇总以在大量列中重复相同的统计函数

好的，接着是第二个R问题

我的数据：

           Timestamp    St_01  St_02 ...
1 2008-02-08 00:00:00  26.020 25.840 ...
2 2008-02-08 00:10:00  25.985 25.790 ...
3 2008-02-08 00:20:00  25.930 25.765 ...
4 2008-02-08 00:30:00  25.925 25.730 ...
5 2008-02-08 00:40:00  25.975 25.695 ...
...

基本上，通常我会使用

ddply

和

summary

的组合来计算集合（例如，全年每小时的平均值）

在上面的例子中，我将创建一个类别，例如hour（例如，

strtime（data$Timestamp，“%H”）->data$hour

，然后在

ddply

中使用该类别，如

ddply（data，“hour”，summary，St_01=平均值（St_01），St_02=平均值（St_02）

，在每列中按类别平均

但这就是问题的症结所在。我有40多列要处理，我不准备逐一键入它们作为

summary

函数的参数。我曾经在shell中编写一个循环来生成此代码，但程序员不是这样解决问题的，是吗

---

那么请告诉我，有没有人有更好的方法来实现相同的结果，但只需较少的按键？

您可以使用

numcolwise（）

在所有数字列上运行摘要

下面是一个使用

iris

的示例：

ddply(iris, .(Species), numcolwise(mean))
     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        5.006       3.428        1.462       0.246
2 versicolor        5.936       2.770        4.260       1.326
3  virginica        6.588       2.974        5.552       2.026

---

类似地，还有

catcolwise（）

对所有分类列进行总结

有关更多帮助和示例，请参见

？numcolwise

---

编辑

另一种方法是使用

重塑2

（由@gsk3提出）。在本例中，这有更多的击键，但为您提供了极大的灵活性：

图书馆（E2）

---

miris您甚至可以通过完全省略ddply调用来简化Andrie提出的第二种方法。只需在dcast调用中指定
mean
作为聚合函数：

library(reshape2)
miris <- melt(iris, id.vars="Species")
dcast(miris, Species ~ variable, mean)

     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        5.006       3.428        1.462       0.246
2 versicolor        5.936       2.770        4.260       1.326
3  virginica        6.588       2.974        5.552       2.026

另一个选择是哈德利的
dplyr
包的新版本0.2

library(dplyr)
group_by(iris, Species) %>% summarise_each(funs(mean))

Source: local data frame [3 x 5]

     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        5.006       3.428        1.462       0.246
2 versicolor        5.936       2.770        4.260       1.326
3  virginica        6.588       2.974        5.552       2.026

或者长时间重塑
St
变量，然后使用您最喜欢的聚合函数
by
，
aggregate
，
ddply
组合
c（小时，索引）
，其中
index
是在重塑过程中创建的变量。对您来说很容易：-）谢谢！哈哈哈。对人性的信仰恢复了。一件事。它是如何与Summary一起工作的？因为我也需要在每一列中进行分类总结。我不知道你的意思。使用
colwise
或family通常意味着不需要使用
summary
。你能详细谈谈你的问题吗？@R-L这是两种不同的方法。两者都有各自的优点。如果你想对每一列进行大量的统计计算，并且想看看中间的结果，那么
melt
one就很好了。
library(data.table)
dt_iris <- as.data.table(iris)
dt_iris[, lapply(.SD, mean), by = Species]

     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1:     setosa        5.006       3.428        1.462       0.246
2: versicolor        5.936       2.770        4.260       1.326
3:  virginica        6.588       2.974        5.552       2.026

library(dplyr)
group_by(iris, Species) %>% summarise_each(funs(mean))

Source: local data frame [3 x 5]

     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        5.006       3.428        1.462       0.246
2 versicolor        5.936       2.770        4.260       1.326
3  virginica        6.588       2.974        5.552       2.026