R將函數應用於數據框的子集

我在網上廣泛查找並沒有看到這個特定問題的答案（我認爲）。R將函數應用於數據框的子集

我自我解釋的最佳方式是使用一些複製我的問題的代碼。我做了一些臨時數據：

x <- runif(100,1,2) 
y <- runif(100,2,3) 

z <- c(rep(1,100)) 
temp <- cbind(x,y,z) 

temp[1:25,3] = temp[1:25,3] +2 

temp <- as.data.frame(temp)

而這就是臨時的樣子

  x  y z 
1 1.512620 2.552271 3 
2 1.133614 2.455296 3 
3 1.543242 2.490120 3 
4 1.047618 2.069474 3 
.  .  .  . 
.  .  .  . 
27 1.859012 2.687665 1 
28 1.231450 2.196395 1

，並繼續直到數據幀（100行）結束。

我想要做的是將一個函數應用於數據框但是數據的子集。因此，例如，我想將函數均值應用於z = 3時的列x和y，並將函數均值應用於z = 1時的列x和y。所以我最終會得到4個值：當z = 1和z = 3時的x的均值，以及當z = 1和z = 3時的y的均值。對於我的實際數據集，當z =某個值的行數變化很大。

我一直在使用下面的代碼工作;然而，這讓我感到非常不安，因爲我覺得代碼可以更高效，並且理想地避免了for循環。

x <- c(unique(temp$z))

我使用^^來獲得唯一的z值（在這種情況下，z = 3和z = 1）。

for(i in x){ 
    assign(paste("newdata",i,sep=""),subset(temp[which(temp$z==i),],select=c("x","y"))) 
}

所以我現在有兩個新的數據幀newdata1和newdata3沒有相同的行數。當z = 1時，newdata1具有所有值，而當z = 3時，newdata3具有所有值。

library(gdata) 

blah <-cbindX(newdata1,newdata3)

我使用cbindX再次將子集數據組合到一個大數據框中。我不確定我爲什麼要這麼做（我很久以前就做過這個代碼）。我只記得這是我使用上面的for循環的唯一方法。代碼的主要問題是當我有多個z值時，手動輸入列表變得非常麻煩。如果Z從1到50不等，然後用戶將鍵入newdata1，newdata2，newdata3 ....等

但是......它的工作：

summ.test <- apply(blah,2,function(x) { 
c(min(x,na.rm=TRUE),median(x,na.rm=TRUE),max(x,na.rm=TRUE),sum(!is.na(x)))}) 

     x   y   x   y 
[1,] 1.028332 2.018162 1..009595 
[2,] 1.509049 2.504000 1.427981 2.455296 
[3,] 1.992704 2.998483 1.978359 2.970695 
[4,] 75.000000 75.000000 25.000000 25.000000

所以我做了有效的創建是一個新的數據框，其中我從之前進行了子集化，並將感興趣的功能應用於它們。所以第一行是：z = 1時x的均值，z = 1時y的均值，z = 3時x的均值，z = 3時y的均值。

主要問題應該是相當明顯的：for循環方法子集的數據框會導致更多的問題，我希望。任何建議，以完全避免，並仍然以相同的結果？

請讓我知道這是否令人困惑，或者如果我的代碼只是簡單的馬虎！仍然在這個網站上格式化問題也..

來源

2013-10-09 John Lombardi

> aggregate(. ~ z, data=temp, FUN=mean) 
    z  x  y 
1 1 1.505304 2.474642 
2 3 1.533418 2.477191

當將應用相同的函數的多個另一列的類別中的列考慮「聚合」。這是版本taht需要一個公式參數，其中代字號之前的「點」表示除了「z」之外的所有列的平均值。

來源

2013-10-09 01:18:25

非常好。謝謝。總體看來對數據集的效果最好，特別是因爲我知道我以後會做更多更廣泛的功能。這似乎工作'聚合（x〜z，數據=溫度，FUN =函數（x）c（mn = min（x，na.rm = TRUE），sum（！is.na（x））））'for多種功能。理想情況下，我想對一堆不同數量的子集值進行迴歸，所以我會看看是否可以定製集合。謝謝。 –

library(data.table) 
DT <- as.data.table(temp) 
DT[, lapply(.SD, mean), by=z] 
    z  x  y 
1: 3 1.515801 2.309161 
2: 1 1.509637 2.532575

或者用鹼R：

with(temp, cbind(x=tapply(x, z, mean), y=tapply(y, z, mean))) 
     x  y 
1 1.509637 2.532575 
3 1.515801 2.309161

PS，不要忘記設置一個種子，set.seed(1)用於示例;）

來源

2013-10-09 01:05:17

這也很好。感謝您的回答和提示！ –

我想要做的是將一個函數應用於數據框但是數據的子集。

所以，你可以使用subset或aggregate功能：

data = data.frame(x = runif(100), y = runif(100), z = sample(1:10, 100, replace = TRUE)) 

# get z > 3 AND z < 6 subset, for example 
new.data = subset(data, z > 3 & z < 6) ## CAUTION: use &, not && 

# use newdata 
cm = colMeans(new.data) 
print(cm) 

#  x   y   z 
# 0.4674450 0.5293915 4.5769231

希望它能幫助！

來源

2013-10-09 01:29:54 Fernando

R將函數應用於數據框的子集

回答

相關問題