对于每个级别的因素,我需要提取除当前子集之外的所有 data.frame 子集的聚合值。例如,有几个主题在几天内执行 react 时间任务,我需要计算所有主题和所有天的平均 react 时间,但不包括计算平均值的主题。目前,我是这样做的:
library(lme4)
ddply(sleepstudy, .(Subject, Days), summarise,
avg_rt = mean(sleepstudy[sleepstudy$Subject != Subject &
sleepstudy$Days == Days,"Reaction"]), .progress="text")
它适用于小型数据集,但对于大型数据集可能会非常慢。有没有更快的方法?
最佳答案
#create big dataset
n <- 1e4
set.seed(1)
sleepstudy <- data.frame(Reaction=rnorm(n),Subject=1:4,Days=sort(rep((1:(n/4)),4)))
library(plyr)
system.time(
res <- ddply(sleepstudy, .(Subject, Days), summarise,
avg_rt = mean(sleepstudy[sleepstudy$Subject != Subject &
sleepstudy$Days == Days,"Reaction"]))
)
#User System elapsed
#6.532 0.013 6.556
#use data.table for big datasets
library(data.table)
dt<- as.data.table(sleepstudy)
system.time(
{dt[,avg_rt:=mean(Reaction),by=Days];
dt[,n:=.N,by=Days];
dt[,avg_rt:=(avg_rt*n-Reaction)/(n-1)]}
)
#User System elapsed
#0.005 0.001 0.005
#test if results are equal
dt2 <- as.data.table(res)
setkey(dt2,Subject,Days)
setkey(dt,Subject,Days)
all.equal(dt[,avg_rt],dt2[,avg_rt])
#[1] TRUE
对于非常大的数据集,速度增益应该更加明显。我无法与更大的数据集进行比较,因为 ddply
太慢了。
关于r - 对于除当前级别之外的所有级别的每个级别的因子聚合值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12660211/