r - 在 R 中，当并非所有因素组合都存在时，如何使用 "aggregate"或 "by"？

Question

这是一个小例子来说明我的数据:

> df <- data.frame(subgroup=rep(paste("s",1:3, sep=""), times=3),
                   feature=c(rep("a",6), rep("b",3)),
                   var=rep(1:3, each=3),
                   data=c(rnorm(3,1), rnorm(3,2), rnorm(3,0)))
> df
  subgroup feature var        data
1       s1       a   1  1.53152620
2       s2       a   1  1.25476445
3       s3       a   1  1.04221040
4       s1       a   2  1.68913400
5       s2       a   2  1.48290273
6       s3       a   2  1.62871854
7       s1       b   3  0.05278296
8       s2       b   3 -0.66623654
9       s3       b   3 -1.40006454

我想检查数据集中存在的每个特征变量组合的“数据”列的总和。更准确地说，我想在总和大于 3 时获得 TRUE，否则获得 FALSE:

> result
  feature snp   res
1       a   1  TRUE
2       a   2  TRUE
3       b   3 FALSE

我尝试使用“aggregate”或“by”，但无法让它们满足我的需要。任何的想法？提前致谢。

Answer 1

一种方法是使用 plyr的功能 ddply对功能和变量进行分组。您可以使用 summarize创建新的函数 data.frame带有与您开发的规则相对应的列。

library(plyr)
ddply(df, c("feature", "var"), summarize, res = ifelse(sum(data) > 3,TRUE, FALSE))

结果是:

  feature var   res
1       a   1  TRUE
2       a   2  TRUE
3       b   3 FALSE

另一种选择是使用 data.table这应该提供一些性能优势:

library(data.table)
dt <- data.table(df)

dt[, ifelse(sum(data) > 3, TRUE, FALSE), by = c("feature", "var")]

     feature var    V1
[1,]       a   1  TRUE
[2,]       a   2  TRUE
[3,]       b   3 FALSE