r - 如何使用 R 通过多个单独的组进行相同的字段聚合

Question

我正在尝试分别对几个(实际上是数百个)组(而不是所有组的所有组合)执行指标计数。我将通过简化的示例来演示它:

假设我有该数据集

data<-cbind(c(1,1,1,2,2,2)
,c(1,1,2,2,2,3)
,c(3,2,1,2,2,3))
> data

      [,1] [,2] [,3]
[1,]    1    1    3
[2,]    1    1    2
[3,]    1    2    1
[4,]    2    2    2
[5,]    2    2    2
[6,]    2    3    3

和一个指标

some_indicator<-c(1,0,0,1,0,1)

然后我想在没有循环的情况下运行(例如按列应用)，例如，

aggregate(some_indicator,list(data[,1]),sum)
aggregate(some_indicator,list(data[,2]),sum)
aggregate(some_indicator,list(data[,3]),sum)

这将生成以下结果:

     [,1] [,2] [,3]
[1,]    1    1    0
[2,]    2    1    1
[3,]    0    1    2

即对于每一列(列之间的值子集不会有太大变化)，按值对指标进行计数并将其合并。

目前我是通过列循环来编写它的，但我需要更有效的方法，因为列很多并且需要一个多小时。

提前致谢， 迈克尔。

Answer 1

1) tapply tapply 的第一个参数是 data，每一列都替换为 some_indicator。第二个参数表示我们希望按数据中的组和列号进行分组。

result <- tapply(replace(data, TRUE, some_indicator), list(data, col(data)), sum)
replace(unname(result), is.na(result), 0)

对于问题中显示的输入，最后一行给出:

     [,1] [,2] [,3]
[1,]    1    1    0
[2,]    2    1    1
[3,]    0    1    2

1a) tapply 一个稍长的 tapply 解决方案如下。 fun 将一列作为其参数，并使用 tapply 使用该列作为组对 some_indicator 中的组进行求和；但是，不同的列可能有不同的组集，因此为了确保它们都具有相同的组集(以便以后对齐)，我们实际上按 factor(x, levs) 进行分组。 sapply 将 fun 应用于 data 的每一列。由于 data 是一个矩阵，所以需要 as.data.frame ，因此如果我们要应用，sapply 将应用于每个元素而不是每一列就这样。

 levs <- levels(factor(data))
 fun <- function(x) tapply(some_indicator, factor(x, levs), sum)
 result <- sapply(as.data.frame(data), fun)
 replace(unname(result), is.na(result), 0)

2) xtabs 这与 tapply 解决方案非常相似。它确实具有以下优点:(1) sum 由 xtabs 隐含，因此不需要指定，而且 (2) 未填充的单元格用 0 填充，而不是 NA 消除将 NA 替换为 0 的额外步骤。另一方面，我们必须使用 c 将公式的每个组件分解为向量，因为与 tapply 不同，xtabs 公式不接受矩阵:

result <- xtabs(c(replace(data, TRUE, some_indicator)) ~ c(data) + c(col(data)))
dimnames(result) <- NULL

对于问题中的数据，给出:

> result
     [,1] [,2] [,3]
[1,]    1    1    0
[2,]    2    1    1
[3,]    0    1    2

修订修订了tapply解决方案并添加了xtabs解决方案。