我如何在没有循环的情况下通过数据帧中该级别中另一个因子的子集来操作因子级别内的数据

Question

我有一个由多次样品运行（样品 a、b、c、d）的吸收光谱组成的数据框，其中 Ydata 是波长，Xdata 是吸收。 我通过从感兴趣的峰值减去安静波长范围内的平均吸收来计算基线校正吸收。

简化数据框：

DF <- data.frame(
  group = rep(c("a", "b", "c", "d"),each=10),
  Ydata = rep(1:10, times = 4),
  Xdata = c(seq(1,10,1),seq(5,50,5),seq(20,11,-1),seq(0.3,3,0.3)),
  abscorr = NA
)

我需要通过减去运行中子集波长范围的平均值来校正每个样本运行。 我一直这样做：

for (i in 1:length(levels(DF$group))){
  sub1 <- subset(DF, group == levels(DF$group)[i], select = c(group, Ydata, 
  Xdata));
  sub2 <- subset(sub1, Ydata > 4 & Ydata < 8, select = c(group, Ydata, 
  Xdata));
  sub1$abscorr <- sub1$Xdata - mean(sub2$Xdata);
  DF <- rbind(sub1, DF);
}

然后整理所有的 'NA's

DF <- na.omit(DF)

使用循环时，上述方法显然很笨拙。 对于大型数据集，有没有更好的方法来完成这项任务？ 也许dplyr？

Answer 1

试试dplyr ：

DF %>%
    group_by(group) %>%
    mutate(abscorr = Xdata - mean(Xdata[Ydata < 8 & Ydata > 4]))

Answer 2

我相信这会做到。

fun <- function(x){
    x$Xdata - mean(x[which(x$Ydata > 4 & x$Ydata < 8), "Xdata"])
}
DF$abscorr <- do.call(c, lapply(split(DF, DF$group), fun))

注意我测试的时候all.equal给了我一系列的区别，即两个结果的属性不同。 所以我运行了以下内容。

fun <- function(x){
    x$Xdata - mean(x[which(x$Ydata > 4 & x$Ydata < 8), "Xdata"])
}
DF2 <- DF
DF2$abscorr <- do.call(c, lapply(split(DF2, DF2$group), fun))

all.equal(DF[order(DF$group, DF$Ydata), ], DF2)
# [1] "Attributes: < Names: 1 string mismatch >"                                         
# [2] "Attributes: < Length mismatch: comparison on first 2 components >"                
# [3] "Attributes: < Component 2: names for target but not for current >"                
# [4] "Attributes: < Component 2: Attributes: < Modes: list, NULL > >"                   
# [5] "Attributes: < Component 2: Attributes: < Lengths: 1, 0 > >"                       
# [6] "Attributes: < Component 2: Attributes: < names for target but not for current > >"
# [7] "Attributes: < Component 2: Attributes: < current is not list-like > >"            
# [8] "Attributes: < Component 2: target is omit, current is numeric >"                  
# [9] "Component “abscorr”: Modes: numeric, logical"                                     
#[10] "Component “abscorr”: target is numeric, current is logical"

如您所见， abscorr的计算值没有区别，仅在属性中。 在这些，也有差异na.omit属性或rownames 。 如果我是你，我不会担心，因为abscorr的值是相等的。

编辑。
请注意，如果我对DF排序，然后将问题属性设置为NULL all.equal和更严格的identical返回TRUE 。

DF1 <- DF[order(DF$group, DF$Ydata), ]  # Modify a copy, keep the original
row.names(DF1) <- NULL
attr(DF1, "na.action") <- NULL

all.equal(DF1, DF2)
#[1] TRUE
identical(DF1, DF2)
#[1] TRUE