当我需要按顺序将多个函数应用于多个列并按多个列进行聚合并希望将结果绑定(bind)到数据框中时,我通常使用 aggregate()
通过以下方式:
# bogus functions
foo1 <- function(x){mean(x)*var(x)}
foo2 <- function(x){mean(x)/var(x)}
# for illustration purposes only
npk$block <- as.numeric(npk$block)
subdf <- aggregate(npk[,c("yield", "block")],
by = list(N = npk$N, P = npk$P),
FUN = function(x){c(col1 = foo1(x), col2 = foo2(x))})
通过使用以下方法可以将结果放在有序的数据框中:
df <- do.call(data.frame, subdf)
我可以通过以某种方式更智能地使用 aggregate()
来避免对 do.call()
的调用这种情况还是从一开始就使用另一个基本的 R
解决方案来缩短整个过程?
最佳答案
正如@akrun 所建议的,dplyr
的summarise_each
非常适合这项任务。
library(dplyr)
npk %>%
group_by(N, P) %>%
summarise_each(funs(foo1, foo2), yield, block)
# Source: local data frame [4 x 6]
# Groups: N
#
# N P yield_foo2 block_foo2 yield_foo1 block_foo1
# 1 0 0 2.432390 1 1099.583 12.25
# 2 0 1 1.245831 1 2205.361 12.25
# 3 1 0 1.399998 1 2504.727 12.25
# 4 1 1 2.172399 1 1451.309 12.25
关于r - 使用聚合将多个函数应用于数据框中的每一列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26624587/