在每个变量上使用不同的函数逐组折叠数据

Question

定义

df<-read.table(textConnection('egg 1 20 a
                        egg 2 30 a
                        jap 3 50 b
                        jap 1 60 b'))

英石

> df
   V1 V2 V3 V4
1 egg  1 20  a
2 egg  2 30  a
3 jap  3 50  b
4 jap  1 60  b

我的数据没有因子，所以我将因子转换为字符：

> df$V1 <- as.character(df$V1)
> df$V4 <- as.character(df$V4)  

我想通过 V1 保持“折叠”数据框：

• V2的最大值
• V3 的平均值
• V4 的模式（这个值在 V1 组中实际上并没有改变，所以 first、last 等也可能会改变。）

请注意，这是一个普遍的问题，例如我的数据集要大得多，我可能希望在折叠时使用不同的函数（例如，last、first、min、max、variance、st.dev. 等用于不同的变量）。 因此，functions 参数可能会很长。

在这种情况下，我想要 output 的形式：

> df.collapse
   V1 V2 V3 V4
1 egg  2 25  a
2 jap  3 55  b

Answer 1

plyr package 将帮助您：

library(plyr)
ddply(df, .(V1), summarize, V2 = max(V2), V3 = mean(V3), V4 = toupper(V4)[1])

由于 R 没有模式 function（可能），我把其他 function。 但是很容易实现一个模式 function。

Answer 2

我建议使用ddply的plyr ：

require(plyr)
ddply(df, .(V1), summarise, V2=max(V2), V3=mean(V3), V4=V4[1])

您可以用您希望的任何计算替换这些函数。 您的 V3 列是非数字的，因此可能需要将其转换为数字，然后计算模式。 现在我只是为每个拆分返回第一行的 V3 值。 或者，如果您不想使用plyr ：

do.call(rbind, lapply(split(df, df$V1), function(x) {
    data.frame(V2=max(x$V2), V3=mean(x$V3), V4=x$V4[1]))
})