将sum应用于按子字符串分组的data.frame，带R

样本数据：

> mat1 = as.data.frame(matrix(c("D-J10-N1","D-J10-N2","D-J2-N1","D-J2-N2",3,6,5,7,8,4,2,3,4,1,2,3), ncol = 4));
> mat1
        V1 V2 V3 V4
1 D-J10-N1  3  8  4
2 D-J10-N2  6  4  1
3  D-J2-N1  5  2  2
4  D-J2-N2  7  3  3

期望输出：

> results
        V1 V2 V3 V4
    1 J10  9  12  5
    2 J2   12 5   5

所以我需要将V2和V4相加一个子串V1，然后在结果中返回这个子串。我可以将我的组定义为：

> groups <- substr(mat1[,1],1,5)
> groups
[1] "D-J10" "D-J10" "D-J2-" "D-J2-"

但rowsum似乎只接受组的数值？我查看了apply家族函数，但没有发现运气。。。。有没有办法解决这个问题

---

非常感谢你的帮助

首先，让我们让您的数据有点不同

mat1 <- data.frame(V1 = c("D-J10-N1","D-J10-N2","D-J2-N1","D-J2-N2"),
                   V2 = c(3,6,5,7),
                   V3 = c(8,4,2,3),
                   V4 = c(4,1,2,3))

但是，根据第一列中的数据，您可能希望使用gsub和正则表达式：

gsub('.+-([0-z]+)-.+','\\1',mat1$V1)

或者类似的事情

然后我会查看

plyr

包

ddply(mat1, .(new.V1), summarise, sums = sum(V2, V3, V4))

或者作为一个丑陋的单行线：

ddply(mat1, .(unlist(lapply(strsplit(mat1$V1, '-'), '[', 2))), summarise, sum(V2, V3, V4))

---

设置

data.frame

有助于更好地适应列类（目前它们都是因素）

---

data.table

包适合这种类型的聚合。正如其他人所说，我将重新格式化您的数据，如下所示：

library(data.table)
mat1 <- data.table(V1=c("D-J10-N1","D-J10-N2","D-J2-N1","D-J2-N2"),
                   V2=c(3,6,5,7),
                   V3=c(8,4,2,3),
                   V4=c(4,1,2,3),
                   key="V1")

mat1[, lapply(.SD, sum), by=list(V1b=gsub(".*\\-(.*)\\-.*", "\\1", mat1[,V1]))]
#   V1b V2 V3 V4
#1: J10  9 12  5
#2:  J2 12  5  5

---

lapply（.SD，sum）

部分对每列求和，而

by

部分则根据您请求的子字符串（使用

gsub

和正则表达式）对其进行分组。

（+1）单行程序非常酷。您需要检查

选项（“stringsAsFactors”）

是否未设置为

TRUE

，否则它将在

strsplit

@chl good point中抛出错误。这在我的.Rprofile中，所以我忘记了愚蠢的默认设置。谢谢你的帮助。你的代码符合我的要求，我理解。现在，尝试将其应用于实际数据集时，我得到一个参数必须具有相同的长度错误。我的论据长度合适。修改后的命令：>aggregate（table.off.fem，by=list（sub（[D-F]-（J[0-9]+）-[A-Z0-9]+”，“\\1”，rownames（table.off.fem））），sum.str（data）为表中的数字提供int。为什么会出现此错误？>length（table.off.fem[，3]）[1]136>length（rownames（table.off.fem））[1]136.数据类型是table，这会导致错误吗？我不能简单地使用Data.frame我的表格….>我真的不明白为什么我得到这个参数必须有相同的长度错误…..

dim（as.Data.frame（table.off.fem））的结果是什么

？我猜我的交叉表有问题，为什么我不能对其进行数据帧处理？原始表中的所有行（来自table.off.fem）都是因子。但无法将其转换为num…错误：（list）无法强制对象键入'double'@Chargaff Its，这与

as.data.frame.table

的工作方式有关。请尝试

df.off.fem
mat1 <- data.frame(V1=c("D-J10-N1","D-J10-N2","D-J2-N1","D-J2-N2"),V2=c(3,6,5,7),V3=c(8,4,2,3),V4=c(4,1,2,3))

aggregate(mat1[-1],by=list(sub("D-(J[0-9]+)-[A-Z0-9]+","\\1",mat1$V1)),sum)
  Group.1 V2 V3 V4
1     J10  9 12  5
2      J2 12  5  5

library(data.table)
mat1 <- data.table(V1=c("D-J10-N1","D-J10-N2","D-J2-N1","D-J2-N2"),
                   V2=c(3,6,5,7),
                   V3=c(8,4,2,3),
                   V4=c(4,1,2,3),
                   key="V1")

mat1[, lapply(.SD, sum), by=list(V1b=gsub(".*\\-(.*)\\-.*", "\\1", mat1[,V1]))]
#   V1b V2 V3 V4
#1: J10  9 12  5
#2:  J2 12  5  5