我想按组分别列出各个列,我的第一个想法是使用 tapply
. 但是,我不能让 tapply
工作 . 可以 tapply
用于对多列进行求和吗?如果没有,为什么不呢?
我已经广泛搜索了互联网,发现很多类似的问题早在2008年就已发布 . 但是,这些问题都没有直接得到解答 . 相反,响应总是建议使用不同的功能 .
下面是一个示例数据集,我希望按州分配苹果,按州和国家分析李子 . 在下面,我编写了许多可行的 tapply
替代品 .
在底部,我展示了对 tapply
源代码的简单修改,允许 tapply
执行所需的操作 .
不过,也许我忽略了用 tapply
执行所需操作的简单方法 . 我不是在寻找替代功能,但欢迎其他替代方案 .
鉴于我对 tapply
源代码的修改非常简单,我想知道为什么它或类似的东西还没有实现 .
谢谢你的任何建议 . 如果我的问题是重复的,我很乐意将我的问题作为对其他问题的回答 .
以下是示例数据集:
df.1 <- read.table(text = '
state county apples cherries plums
AA 1 1 2 3
AA 2 10 20 30
AA 3 100 200 300
BB 7 -1 -2 -3
BB 8 -10 -20 -30
BB 9 -100 -200 -300
', header = TRUE, stringsAsFactors = FALSE)
这不起作用:
tapply(df.1, df.1$state, function(x) {colSums(x[,3:5])})
帮助页面说:
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
X an atomic object, typically a vector.
我对 typically a vector
这句话感到困惑,这让我想知道是否可以使用数据框 . 我从来都不清楚 atomic object
的意思 .
以下是 tapply
的几种替代方法 . 第一种选择是将 tapply
与 apply
结合起来的变通方法 .
apply(df.1[,c(3:5)], 2, function(x) tapply(x, df.1$state, sum))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
with(df.1, aggregate(df.1[,3:5], data.frame(state), sum))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), colSums))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), function(x) apply(x, 2, sum)))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
aggregate(df.1[,3:5], by=list(df.1$state), sum)
# Group.1 apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
by(df.1[,3:5], df.1$state, colSums)
# df.1$state: AA
# apples cherries plums
# 111 222 333
# ------------------------------------------------------------
# df.1$state: BB
# apples cherries plums
# -111 -222 -333
with(df.1,
aggregate(x = list(apples = apples,
cherries = cherries,
plums = plums),
by = list(state = state),
FUN = function(x) sum(x)))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
lapply(split(df.1, df.1$state), function(x) {colSums(x[,3:5])} )
# $AA
# apples cherries plums
# 111 222 333
#
# $BB
# apples cherries plums
# -111 -222 -333
这是 tapply
的源代码,除了我更改了行:
nx <- length(X)
至:
nx <- ifelse(is.vector(X), length(X), dim(X)[1])
此修改版本的 tapply
执行所需的操作:
my.tapply <- function (X, INDEX, FUN = NULL, ..., simplify = TRUE)
{
FUN <- if (!is.null(FUN)) match.fun(FUN)
if (!is.list(INDEX)) INDEX <- list(INDEX)
nI <- length(INDEX)
if (!nI) stop("'INDEX' is of length zero")
namelist <- vector("list", nI)
names(namelist) <- names(INDEX)
extent <- integer(nI)
nx <- ifelse(is.vector(X), length(X), dim(X)[1]) # replaces nx <- length(X)
one <- 1L
group <- rep.int(one, nx) #- to contain the splitting vector
ngroup <- one
for (i in seq_along(INDEX)) {
index <- as.factor(INDEX[[i]])
if (length(index) != nx)
stop("arguments must have same length")
namelist[[i]] <- levels(index)#- all of them, yes !
extent[i] <- nlevels(index)
group <- group + ngroup * (as.integer(index) - one)
ngroup <- ngroup * nlevels(index)
}
if (is.null(FUN)) return(group)
ans <- lapply(X = split(X, group), FUN = FUN, ...)
index <- as.integer(names(ans))
if (simplify && all(unlist(lapply(ans, length)) == 1L)) {
ansmat <- array(dim = extent, dimnames = namelist)
ans <- unlist(ans, recursive = FALSE)
} else {
ansmat <- array(vector("list", prod(extent)),
dim = extent, dimnames = namelist)
}
if(length(index)) {
names(ans) <- NULL
ansmat[index] <- ans
}
ansmat
}
my.tapply(df.1$apples, df.1$state, function(x) {sum(x)})
# AA BB
# 111 -111
my.tapply(df.1[,3:4] , df.1$state, function(x) {colSums(x)})
# $AA
# apples cherries
# 111 222
#
# $BB
# apples cherries
# -111 -222
3 回答
tapply
适用于矢量,对于data.frame,您可以使用by
(这是tapply
的包装,请查看代码):你在找
by
. 它按照你假设tapply
的方式使用INDEX
.使用
tapply
的问题在于您要按列索引data.frame
. (因为data.frame
实际上只是list
列 . )所以,tapply
抱怨你的索引与你的data.frame
的长度不匹配 .正如EDi建议的那样,我查看了
by
的源代码 . 该代码比我对tapply
中的一行更改要复杂得多 . 我现在发现my.tapply
不适用于下面更复杂的情况,其中apples
和cherries
由state
和county
求和 . 如果我使用my.tapply
来处理这种情况,我可以在以后发布代码: