plyr ddply並總結在R中使用

Question

嗨，我想避免使用循環，所以想要使用plyr的東西來幫助解決我的問題。

我想創建一個函數，從數據幀中獲取每個因子的特定選擇列的總和。

所以如果我們有以下示例數據......

df <- data.frame(cbind(x=rnorm(100),y=rnorm(100),z=rnorm(100),f=sample(1:10,100, replace=TRUE))) 
df$f <- as.factor(df$f)

即我想要的東西：

foo <- function(df.obj,colname){
     some code
}

其中df.obj是上面的df變量，colname參數可以是x ， y或z任何一個。

我希望函數的輸出/結果具有一個獨特因子列（在上面的情況下為1:10）以及每個因子的列x中值的總和。

我希望解決方案非常簡單，並且可能會以某種方式使用ddply或summarise但ddply如何操作以便我可以將列名作為參數。

謝謝

Answer 1

這就是你要追求的嗎？

> ddply(df, .(f), colwise(sum))
    f          x           y          z
1   1 -0.4190284  2.61101681  1.2280026
2   2  1.1063977  2.40006922  4.9550079
3   3  0.4498366 -4.00610558  0.9964754
4   4  1.9325488 -2.81241212 -3.1185574
5   5 -4.1077670 -1.01232884 -3.9852388
6   6 -1.0488003 -2.42924689  3.5273636
7   7  2.2999306  0.85930085 -0.6245167
8   8 -4.8105311 -6.81352238 -2.1223436
9   9 -2.8187083  5.03391770  1.6433896
10 10  5.1323666 -0.06192382  1.8978994

編輯：TS提供的正確答案：

foo <- function(df.obj,colname){ddply(df, .(f), colwise(sum))[,c("f",colname)]}

Answer 2

這似乎非常適合data.table和lapply(.SD,FUN)和.SDcols參數

• .SD是一個data.table，包含每個組的x的數據子集，不包括組列。
• .SDcols是一個向量，包含要應用該函數的列的名稱（ FUN ）

一個例子

設置data.table

library(data.table)
DT <- as.data.table(df)

f ， x ， y ， z列的總和

DT[, lapply(.SD, sum), by = f, .SDcols = c("x", "y", "z")]

##      f       x       y       z
##  1:  4  4.8041  3.9788  1.2519
##  2:  2  1.1255 -0.8147  2.9053
##  3:  3  0.9699 -0.1550 -8.5876
##  4:  9  2.2685 -1.2734  1.0506
##  5:  5 -0.1282 -2.5512  5.0668
##  6: 10 -2.7397  0.5290 -0.3638
##  7:  1  2.9544 -3.1139 -1.3884
##  8:  8 -4.3488  0.6894  1.4195
##  9:  7  2.3152  0.6474  2.7183
## 10:  6 -0.1569  1.0142  0.9156

x和z列的總和乘以f

DT[, lapply(.SD, sum), by = f, .SDcols = c("x", "z")]

##      f       x       z
##  1:  4  4.8041  1.2519
##  2:  2  1.1255  2.9053
##  3:  3  0.9699 -8.5876
##  4:  9  2.2685  1.0506
##  5:  5 -0.1282  5.0668
##  6: 10 -2.7397 -0.3638
##  7:  1  2.9544 -1.3884
##  8:  8 -4.3488  1.4195
##  9:  7  2.3152  2.7183
## 10:  6 -0.1569  0.9156

計算平均值的示例

DT[, lapply(.SD, mean), by = f, .SDcols = c("x", "y", "z")]

##      f        x        y        z
##  1:  4  0.36955  0.30606  0.09630
##  2:  2  0.10232 -0.07407  0.26412
##  3:  3  0.07461 -0.01193 -0.66059
##  4:  9  0.15123 -0.08489  0.07004
##  5:  5 -0.01425 -0.28346  0.56298
##  6: 10 -0.21075  0.04069 -0.02799
##  7:  1  0.29544 -0.31139 -0.13884
##  8:  8 -0.54360  0.08617  0.17744
##  9:  7  0.38586  0.10790  0.45305
## 10:  6 -0.07844  0.50710  0.45782

DT[, lapply(.SD, mean), by = f, .SDcols = c("x", "z")]

##      f        x        z
##  1:  4  0.36955  0.09630
##  2:  2  0.10232  0.26412
##  3:  3  0.07461 -0.66059
##  4:  9  0.15123  0.07004
##  5:  5 -0.01425  0.56298
##  6: 10 -0.21075 -0.02799
##  7:  1  0.29544 -0.13884
##  8:  8 -0.54360  0.17744
##  9:  7  0.38586  0.45305
## 10:  6 -0.07844  0.45782

Answer 3

我沒有足夠的評論來評論所以必須在答案形式中詢問 - 你為什么要避免在R中使用循環？

編輯：無論如何使用plyr我會使用count（）