使用 lapply 按列對數據框列表進行分組

Question

我有一個包含多個數據框的列表。 我想按類別（ A ）對數據進行排序，並使用lapply -命令對頻率（ B ）求和。

數據是df_list

df_list
$`df.1`

        A       B
1   Apples      2
2   Pears       5
3   Apples      6
4   Pears       1
5   Apples      3


$`df.2`
        A       B
1   Oranges     2
2   Pineapples  5
3   Oranges     6
4   Pineapples  1
5   Oranges     3

預期的結果 df_list_2 如下所示：

df_list_2
$`df.1`

        A       B
1   Apples      11
2   Pears       6       

$`df.2`
        A       B
1   Oranges     11
2   Pineapples  6

我已經嘗試了基於 lapply 的以下代碼：

df_list_2<-df_list[, lapply(B, sum), by = A]

但是，我收到一個錯誤代碼，說找不到A

要么我弄錯了 lapply 命令在這種情況下的工作方式，要么我對它應該如何工作的低估是有缺陷的。 非常感謝任何幫助。

Answer 1

你需要在lapply中aggregate

lapply(df_list, function(x) aggregate(B~A, x, sum))

#[[1]]
#       A  B
#1 Apples 11
#2  Pears  6

#[[2]]
#           A  B
#1    Oranges 11
#2 Pineapples  6

---

使用來自map和dplyr的purrr將是

library(dplyr)
purrr::map(df_list, ~.x %>% group_by(A) %>% summarise(sum = sum(B)))

數據

df_list <- list(structure(list(A = structure(c(1L, 2L, 1L, 2L, 1L), 
.Label = c("Apples", "Pears"), class = "factor"), B = c(2L, 5L, 6L, 1L, 3L)), 
class = "data.frame", row.names = c("1", "2", "3", "4", "5")), 
structure(list(A = structure(c(1L, 2L, 1L, 2L, 1L), .Label = c("Oranges", 
"Pineapples"), class = "factor"), B = c(2L, 5L, 6L, 1L, 3L)), class = "data.frame", 
row.names = c("1", "2", "3", "4", "5")))

Answer 2

我擔心您可能對lapply或提取運算符 ( [ ) 不清楚。 請記住lapply(list, function)將指定的function應用於您給它的list的每個元素。 Extract 為您提供您指定的元素：

x <- c('a', 'b', 'c')
x[2]
## "b"

我想在您的 R 工作區的某個地方，您有一個 object 名稱B這就是為什么您沒有收到類似錯誤的原因

## Error in lapply(B, sum) : object 'B' not found

相反，如果您（意外或有意）同時定義了A和B ，您會看到錯誤

## Error in df_list[, lapply(B, sum), by = A] : incorrect number of dimensions

因為那根本不是如何使用[ ; 請記住，您只需將索引或布爾值與偶爾的可選參數一起傳遞給[ ，但by不是其中之一。

因此，無需進一步告別，這就是我將如何做到這一點（在基礎 R 中）：

# make some data
a <- c(1, 2, 1, 2, 1)
b <- c(2, 5, 6, 1, 3)
df_list <- list(df.1 = data.frame(A = c('Apples', 'Pears')[a], B = b), 
                df.2 = data.frame(A = c('Oranges', 'Pineapples')[a], B = b))

# simplify it
df_list_2 <- lapply(df_list, function(x) {
    aggregate(list(B = x$B), list(A = x$A), sum)
})

# the desired result
df_list_2

## $df.1
##        A  B
## 1 Apples 11
## 2  Pears  6
## 
## $df.2
##            A  B
## 1    Oranges 11
## 2 Pineapples  6

您可以利用data.frame只是一個列表這一事實，並像這樣縮短您的代碼：

df_list_2 <- lapply(df_list, function(x) {
    aggregate(x['B'], x['A'], sum)
})

但第一種寫法應該有助於更清楚地說明我們在做什么

Answer 3

OP 帖子中的data.table語法可以更改為

library(data.table)
lapply(df_list, function(x) as.data.table(x)[, .(B = sum(B)), by = A])
#$df.1
#        A  B
#1: Apples 11
#2:  Pears  6

#$df.2
#            A  B
#1:    Oranges 11
#2: Pineapples  6

數據

df_list <- list(df.1 = structure(list(A = structure(c(1L, 2L, 1L, 2L, 1L
), .Label = c("Apples", "Pears"), class = "factor"), B = c(2L, 
5L, 6L, 1L, 3L)), class = "data.frame", row.names = c("1", "2", 
"3", "4", "5")), df.2 = structure(list(A = structure(c(1L, 2L, 
1L, 2L, 1L), .Label = c("Oranges", "Pineapples"), class = "factor"), 
    B = c(2L, 5L, 6L, 1L, 3L)), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5")))