首页 文章

汇总/汇总每组的多个变量（例如总和，平均值）

提问于
浏览 次
119

从数据框架中，是否有一种简单的方法可以同时聚合（ sum ， mean ， max et c）多个变量？

以下是一些示例数据：

library(lubridate)
days = 365*2
date = seq(as.Date("2000-01-01"), length = days, by = "day")
year = year(date)
month = month(date)
x1 = cumsum(rnorm(days, 0.05)) 
x2 = cumsum(rnorm(days, 0.05))
df1 = data.frame(date, year, month, x1, x2)

我想同时按年份和月份汇总 df2 数据框中的 x1 和 x2 变量 . 以下代码聚合 x1 变量，但是是否也可以同时聚合 x2 变量？

### aggregate variables by year month
df2=aggregate(x1 ~ year+month, data=df1, sum, na.rm=TRUE)
head(df2)

任何建议将不胜感激 .

r dataframe data.table aggregate r-faq

5 回答

  • 173

    这个 year() 函数来自哪里？

    您还可以使用 reshape2 包执行此任务：

    require(reshape2)
df_melt <- melt(df1, id = c("date", "year", "month"))
dcast(df_melt, year + month ~ variable, sum)
#  year month         x1           x2
1  2000     1  -80.83405 -224.9540159
2  2000     2 -223.76331 -288.2418017
3  2000     3 -188.83930 -481.5601913
4  2000     4 -197.47797 -473.7137420
5  2000     5 -259.07928 -372.4563522
    回复于
  • 44

    是的，在 formula 中，您可以 cbind 要聚合的数值变量：

    aggregate(cbind(x1, x2) ~ year + month, data = df1, sum, na.rm = TRUE)
   year month         x1          x2
1  2000     1   7.862002   -7.469298
2  2001     1 276.758209  474.384252
3  2000     2  13.122369 -128.122613
...
23 2000    12  63.436507  449.794454
24 2001    12 999.472226  922.726589

    请参阅 ?aggregate ， formula 参数和示例 .

    回复于
  • 38

    使用 data.table 包，这个包很快（对较大的数据集很有用）

    https://github.com/Rdatatable/data.table/wiki

    library(data.table)
df2 <- setDT(df1)[, lapply(.SD, sum), by=.(year, month), .SDcols=c("x1","x2")]
setDF(df2) # convert back to dataframe

    使用plyr包

    require(plyr)
df2 <- ddply(df1, c("year", "month"), function(x) colSums(x[c("x1", "x2")]))

    使用Hmisc包中的summarize（）（虽然我的例子中列 Headers 很乱）

    # need to detach plyr because plyr and Hmisc both have a summarize()
detach(package:plyr)
require(Hmisc)
df2 <- with(df1, summarize( cbind(x1, x2), by=llist(year, month), FUN=colSums))
    回复于
  • 41

    使用 dplyr 包，您可以使用 summarise_all ， summarise_at 或 summarise_if 函数同时聚合多个变量 . 对于示例数据集，您可以按如下方式执行此操作：

    library(dplyr)
# summarising all non-grouping variables
df2 <- df1 %>% group_by(year, month) %>% summarise_all(sum)

# summarising a specific set of non-grouping variables
df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(x1, x2), sum)
df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(-date), sum)

# summarising a specific set of non-grouping variables based on condition (class)
df2 <- df1 %>% group_by(year, month) %>% summarise_if(is.numeric, sum)

    后两种选择的结果：

    year month        x1         x2
   <dbl> <dbl>     <dbl>      <dbl>
1   2000     1 -73.58134  -92.78595
2   2000     2 -57.81334 -152.36983
3   2000     3 122.68758  153.55243
4   2000     4 450.24980  285.56374
5   2000     5 678.37867  384.42888
6   2000     6 792.68696  530.28694
7   2000     7 908.58795  452.31222
8   2000     8 710.69928  719.35225
9   2000     9 725.06079  914.93687
10  2000    10 770.60304  863.39337
# ... with 14 more rows

    注意： summarise_each 已弃用，支持 summarise_all ， summarise_at 和 summarise_if .

    如my comment above中所述，您还可以使用 reshape2 -package中的 recast 函数：

    library(reshape2)
recast(df1, year + month ~ variable, sum, id.var = c("date", "year", "month"))

    这将给你相同的结果 .

    回复于
  • 0

    迟到了，但最近又找到了获取汇总统计数据的另一种方法 .

    library(psych) describe(data)

    将输出：每个变量的平均值，最小值，最大值，标准偏差，n，标准误差，峰度，偏度，中位数和范围 .

    回复于

相关问题