r - R:聚合具有特定于列的功能

Question

我想按时间间隔聚合一个数据帧，对每列应用一个不同的函数。我想我几乎把aggregate记下来了，并用chron包将数据分成了一些间隔，这很容易。

但是我不确定如何处理这些子集。所有的映射函数*apply，*ply都采用一个函数(我希望可以采用某种函数来对每个列或-variable进行应用，但尚未找到)，所以我正在编写一个采用以下函数的函数我的数据帧子集，并为我提供所有变量的平均值，除了“time”(它是索引)和“Runoff”(它应该是总和)以外。

我尝试了这个:

aggregate(d., list(Time=trunc(d.$time, "00:10:00")), function (dat) with(dat, 
list(Time=time[1], mean(Port.1), mean(Port.1.1), mean(Port.2), mean(Port.2.1), 
mean(Port.3), mean(Port.3.1), mean(Port.4), mean(Port.4.1), Runoff=sum(Port.5))))

即使它没有给我这个错误，这也足够丑陋:

Error in eval(substitute(expr), data, enclos = parent.frame()) : 
  not that many frames on the stack

告诉我我确实在做错事。从我对R的了解来看，我认为必须有一种优雅的方法来做到这一点，但这是什么呢？

dput:

d. <- structure(list(time = structure(c(15030.5520833333, 15030.5555555556, 
15030.5590277778, 15030.5625, 15030.5659722222), format = structure(c("m/d/y", 
"h:m:s"), .Names = c("dates", "times")), origin = structure(c(1, 
1, 1970), .Names = c("month", "day", "year")), class = c("chron", 
"dates", "times")), Port.1 = c(0.359747, 0.418139, 0.417459, 
0.418139, 0.417459), Port.1.1 = c(1.3, 11.8, 11.9, 12, 12.1), 
    Port.2 = c(0.288837, 0.335544, 0.335544, 0.335544, 0.335544
    ), Port.2.1 = c(2.3, 13, 13.2, 13.3, 13.4), Port.3 = c(0.253942, 
    0.358257, 0.358257, 0.358257, 0.359002), Port.3.1 = c(2, 
    12.6, 12.7, 12.9, 13.1), Port.4 = c(0.352269, 0.410609, 0.410609, 
    0.410609, 0.410609), Port.4.1 = c(5.9, 17.5, 17.6, 17.7, 
    17.9), Port.5 = c(0L, 0L, 0L, 0L, 0L)), .Names = c("time", 
"Port.1", "Port.1.1", "Port.2", "Port.2.1", "Port.3", "Port.3.1", 
"Port.4", "Port.4.1", "Port.5"), row.names = c(NA, 5L), class = "data.frame")

Answer 1

您的方法有很多问题。一般建议不要直截了本地认为最终语句应该是什么样，而是逐步进行工作，否则会使调试(理解和修复错误)变得非常困难。

例如，您可能已经开始:

aggregate(d., list(Time=trunc(d.$time, "00:10:00")), identity)

注意您的split变量有问题。显然aggregate不喜欢使用此类数据。您可以通过将Time转换为数字来解决此问题:

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), identity)

那你可以试试

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), apply.fun)

其中apply.fun是用户定义的函数。这会失败，并显示一条令人毛骨悚然的消息，但运行

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), print)

有助于认识到FUN中的aggregate函数不会为每个数据块调用一次(并传递一个data.frame)，但会为数据块的每一列调用一次(并传递一个未命名的向量)，因此没有办法您可以使用aggregate获得所需的结果。

相反，您可以使用ddply包中的plyr函数。在那里，应用于每个片段的函数确实会接收到一个data.frame，因此您可以执行以下操作:

apply.fun <- function(dat) with(dat, data.frame(Time=time[1],
                                                mean(Port.1),
                                                mean(Port.1.1),
                                                mean(Port.2),
                                                mean(Port.2.1),
                                                mean(Port.3),
                                                mean(Port.3.1),
                                                mean(Port.4),
                                                mean(Port.4.1),
                                                Runoff=sum(Port.5)))

d.$Time <- as.numeric(trunc(d.$time, "00:10:00"))
library(plyr)
ddply(d., "Time", apply.fun)

#            Time mean.Port.1. mean.Port.1.1. mean.Port.2. mean.Port.2.1.
# 1 15030.5520833    0.4061886           9.82    0.3262026          11.04
#   mean.Port.3. mean.Port.3.1. mean.Port.4. mean.Port.4.1. Runoff
# 1     0.337543          10.66     0.398941          15.32      0

编辑:在下面的第一条评论中，对@roysc问题进行跟进，您可以执行以下操作:

apply.fun <- function(dat) {
  out <- as.data.frame(lapply(dat, mean))
  out$Time <- dat$time[1]
  out$Runoff <- sum(dat$Port.5)
  return(out)
}