子集R中，加入和計算多次重複

Question

下面是一個示例：

> tmp 
    label value1 value2 
1 aa_x_x xx  xx 
2 bc_x_x xx  xx 
3 aa_x_x xx  xx 
4 bc_x_x xx  xx 

如何計算所有重複標籤的中值（或以上，在其他數據幀列中的相應值的），但是考慮到僅記帳前兩個字母（即「aa_1_1」和「aa_s_3」是相同的值）？標籤列表是有限且可用的。

我看了一下aggregate，%in%，subset和substr，但我無法編譯任何有用而簡單。

這是我希望得到的：

> tmp.result 
    label median1 some.calculation2 
1 aa  xx  xx 
2 bc  xx  xx 
3 aa  xx  xx 
4 bc  xx  xx 

非常感謝你。

Answer 1

您是否嘗試過製作新的數據幀 - 我將其稱爲tmp2 - Where tmp2$label==substr(tmp$label,0,2)？從那裏，例如，您可以使用tapply(tmp2$value1,tmp2$label,mean)來計算tmp2$label上聚合的value1的平均值。

使用dplyr

library(dplyr) 
tmp %>% 
    group_by(label=sub('_.*$', '', label)) %>% 
    transmute(median1=median(value1), mean1=mean(value2)) 

或者data.table

library(data.table) 
setDT(tmp)[, c('median1', 'mean1') := list(median(value1), 
    mean1= mean(value2)) , .(label=sub('_.*$', '', label))][, c(1,4:5), 
     with=FALSE]