R 中重復行之間的平均值

Question

我有一個數據框df ，其中的行與名稱列重復，但與值列不重復：

name    value   etc1    etc2
A       9       1       X
A       10      1       X
A       11      1       X
B       2       1       Y
C       40      1       Y
C       50      1       Y

我需要將重復的名稱聚合到一行中，同時計算值列的平均值。 預期的output如下：

name    value   etc1    etc2
A       10      1       X
B       2       1       Y
C       45      1       Y

我曾嘗試使用df[duplicated(df$name),]但當然這並沒有給我重復項的平均值。 我想使用aggregate() ，但問題是這個 function 的 FUN 部分也適用於所有其他列，除其他問題外，它無法計算字符內容。 由於所有其他列在“重復項”上都具有相同的內容，因此我需要將它們聚合在一起，就像名稱列一樣。 任何提示...？

Answer 1

這是一個data.table解決方案。 解決方案是通用的，即使對於具有60列的data.frame也是如此。 因為我按所有不同值的變量對數據進行分組（請參閱下面的創建鍵）

library(data.table)
dat <- read.table(text='name    value   etc1    etc2
A       9       1       X
A       10      1       X
A       11      1       X
B       2       1       Y
C       40      1       Y
C       50      1       Y',header=TRUE)
keys <- colnames(dat)[!grepl('value',colnames(dat))]
X <- as.data.table(dat)
X[,list(mm= mean(value)),keys]
  name etc1 etc2 mm
1:    A    1    X 10
2:    B    1    Y  2
3:    C    1    Y 45

編輯擴展到多個值變量

如果您有多個要計算平均值的數值變量，例如，如果您的數據看起來像這樣

  name value etc1 etc2     value1
1    A     9    1    X  2.1763485
2    A    10    1    X -0.7954326
3    A    11    1    X -0.5839844
4    B     2    1    Y -0.5188709
5    C    40    1    Y -0.8300233
6    C    50    1    Y -0.7787496

上述解決方案可以像這樣擴展：

X[,lapply(.SD,mean),keys]
   name etc1 etc2 value     value1
1:    A    1    X    10  0.2656438
2:    B    1    Y     2 -0.5188709
3:    C    1    Y    45 -0.8043865

這將計算鍵列表中不存在的所有變量的均值。

Answer 2

您可以使用如下aggregate()函數：

aggregate(df$value,by=list(name=df$name,etc1=df$etc1,etc2=df$etc2),data=df,FUN=mean)

Answer 3

代碼（由Metrics編寫）幾乎可以工作，除了在一個地方（.name）。 我稍微修改了一下：

sample<- structure(list(name = structure(c(1L, 1L, 1L, 2L, 3L, 3L), .Label = c("A", 
    "B", "C"), class = "factor"), value = c(9L, 10L, 11L, 2L, 40L, 
    50L), etc1 = c(1L, 1L, 1L, 1L, 1L, 1L), etc2 = structure(c(1L, 
    1L, 1L, 2L, 2L, 2L), .Label = c("X", "Y"), class = "factor")), .Names = c("name", 
    "value", "etc1", "etc2"), class = "data.frame", row.names = c(NA, 
    -6L))

sample.m <- ddply(sample, 'name', summarize, value =mean(value), etc1=head(etc1,1), etc2=head(etc2,1))

sample.m
      name value etc1 etc2
    1    A    10    1    X
    2    B     2    1    Y
    3    C    45    1    Y

Answer 4

假設您的數據幀是df。

install.packages("plyr")
library(plyr)



df<- structure(list(name = structure(c(1L, 1L, 1L, 2L, 3L, 3L), .Label = c("A", 
    "B", "C"), class = "factor"), value = c(9L, 10L, 11L, 2L, 40L, 
    50L), etc1 = c(1L, 1L, 1L, 1L, 1L, 1L), etc2 = structure(c(1L, 
    1L, 1L, 2L, 2L, 2L), .Label = c("X", "Y"), class = "factor")), .Names = c("name", 
    "value", "etc1", "etc2"), class = "data.frame", row.names = c(NA, 
    -6L))

df.m<-ddply(df,.(name),summarize, value=mean(value),etc1=head(etc1,1),etc2=head(etc2,1))

df.m
 name value etc1 etc2
1    A      10    1    X
2    B       2    1    Y
3    C      45    1    Y

Answer 5

這個簡單的對我有用：

avg_data <- aggregate(. ~ name, df, mean)

使用“聚合”function：基於命名變量（“名稱”），在數據框“df”中對所有變量（.）應用公式方法（x~y），以執行“平均”function。