[英]Aggregating lines in a data frame
我有这种格式的data.frame
:
df <- data.frame(time = seq(0.2,4,0.2), behavior = c(rep(0,4),rep(1,4),rep(2,4),rep(0,4),rep(1,4)), n1 = rnorm(20), n2 = rnorm(20))
因此, df
中的每一行都是一个时间点(实际时间由df$time
表示),而df$behavior
表示在该时间点进行的实验中观察到的行为。
我想根据相同的连续df$behavior
值(即相同的观察到的行为)聚合data.frame
。 应该对df$time
求和,并将得到的df$n1
, df$n2
,...列平均为df$time
的总和。
因此,对于此示例,结果将是:
> agg.df
time behavior n1 n2
1 2.0 0 -1.19640776 -1.78875416
2 5.2 1 -0.52219794 0.15352409
3 8.4 2 0.40486487 -0.12017916
4 11.6 0 0.15282416 -0.08090696
5 14.8 1 0.05377323 -0.01250031
最有效的方法是什么?
这是使用dplyr
一种方法。 由于您在df中使用不带set.seed
rnorm
,因此我的结果与您的结果不同。
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>% # assigning groups
summarise(Time = sum(time),
ave.n1 = sum(n1) / Time,
ave.n2 = sum(n2) / Time)
# group Time ave.n1 ave.n2
#1 1 2.0 0.68164245 -1.57266432
#2 2 5.2 -0.26419520 0.19598772
#3 3 8.4 -0.04105184 0.24406783
#4 4 11.6 0.10536325 -0.28962844
#5 5 14.8 -0.09449933 -0.02142792
如果您有n1-n200,则可以执行以下操作。 请注意,您的n1-n200被覆盖。 您可以做mutate_each(funs(./time), vars = matches("^n"))
。 这将创建200个列,其列名称如var1,var2。 您需要自己替换名称。 对于当前版本的dplyr
此重命名部分有些痛苦。 但是,例如,您可以使用gsub
轻松完成此操作。
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise_each(funs(sum = sum(., na.rm = TRUE))) %>%
mutate_each(funs(./time), matches("^n")) %>%
select(-behavior)
如果要保持原始行为,可以执行以下操作。
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise(behavior = behavior[1]) -> foo;
df %>%
group_by(group = cumsum(c(T, diff(behavior) != 0))) %>%
summarise(Time = sum(time),
ave.n1 = sum(n1) / Time,
ave.n2 = sum(n2) / Time) %>%
do(cbind(.,foo[,2]))
# group Time ave.n1 ave.n2 behavior
#1 1 2.0 0.93849292 0.90373785 0
#2 2 5.2 0.26211881 -0.11678684 1
#3 3 8.4 0.12171471 0.15838066 2
#4 4 11.6 0.11046081 0.17450358 0
#5 5 14.8 -0.06480093 0.03401513 1
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.