Суммировать несколько столбцов по группам с помощью tapply
Я хотел суммировать отдельные столбцы по группам, и моей первой мыслью было использовать tapply, Тем не менее, я не могу получить tapply работать. Можно tapply быть использованы для суммирования нескольких столбцов? Если нет, то почему нет?
Я много искал в Интернете и нашел множество похожих вопросов, опубликованных еще в 2008 году. Однако ни на один из этих вопросов не было дано прямого ответа. Вместо этого ответы неизменно предлагают использовать другую функцию.
Ниже приведен пример набора данных, для которого я хочу суммировать яблоки по штатам, вишни по штатам и сливы по штатам. Ниже я собрал множество альтернатив tapply которые работают
Внизу я показываю простую модификацию tapply исходный код, который позволяетtapply выполнить желаемую операцию.
Тем не менее, возможно, я упускаю простой способ выполнить желаемую операцию с tapply, Я не ищу альтернативных функций, хотя приветствуются дополнительные альтернативы.
Учитывая простоту моей модификации tapply Исходный код Интересно, почему он, или что-то подобное, еще не был реализован.
Спасибо за любой совет. Если мой вопрос дублируется, я буду рад опубликовать свой вопрос в качестве ответа на этот другой вопрос.
Вот пример набора данных:
df.1 <- read.table(text = '
state county apples cherries plums
AA 1 1 2 3
AA 2 10 20 30
AA 3 100 200 300
BB 7 -1 -2 -3
BB 8 -10 -20 -30
BB 9 -100 -200 -300
', header = TRUE, stringsAsFactors = FALSE)
Это не работает:
tapply(df.1, df.1$state, function(x) {colSums(x[,3:5])})
На страницах справки написано:
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
X an atomic object, typically a vector.
Меня смутила фраза typically a vector что заставило меня задуматься, можно ли использовать фрейм данных. Мне никогда не было ясно, что atomic object средства.
Вот несколько альтернатив tapply которые работают Первая альтернатива - это обходной путь, который объединяет tapply с apply,
apply(df.1[,c(3:5)], 2, function(x) tapply(x, df.1$state, sum))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
with(df.1, aggregate(df.1[,3:5], data.frame(state), sum))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), colSums))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), function(x) apply(x, 2, sum)))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
aggregate(df.1[,3:5], by=list(df.1$state), sum)
# Group.1 apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
by(df.1[,3:5], df.1$state, colSums)
# df.1$state: AA
# apples cherries plums
# 111 222 333
# ------------------------------------------------------------
# df.1$state: BB
# apples cherries plums
# -111 -222 -333
with(df.1,
aggregate(x = list(apples = apples,
cherries = cherries,
plums = plums),
by = list(state = state),
FUN = function(x) sum(x)))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
lapply(split(df.1, df.1$state), function(x) {colSums(x[,3:5])} )
# $AA
# apples cherries plums
# 111 222 333
#
# $BB
# apples cherries plums
# -111 -222 -333
Вот исходный код tapply кроме того, что я изменил строку:
nx <- length(X)
чтобы:
nx <- ifelse(is.vector(X), length(X), dim(X)[1])
Это модифицированная версия tapply выполняет желаемую операцию:
my.tapply <- function (X, INDEX, FUN = NULL, ..., simplify = TRUE)
{
FUN <- if (!is.null(FUN)) match.fun(FUN)
if (!is.list(INDEX)) INDEX <- list(INDEX)
nI <- length(INDEX)
if (!nI) stop("'INDEX' is of length zero")
namelist <- vector("list", nI)
names(namelist) <- names(INDEX)
extent <- integer(nI)
nx <- ifelse(is.vector(X), length(X), dim(X)[1]) # replaces nx <- length(X)
one <- 1L
group <- rep.int(one, nx) #- to contain the splitting vector
ngroup <- one
for (i in seq_along(INDEX)) {
index <- as.factor(INDEX[[i]])
if (length(index) != nx)
stop("arguments must have same length")
namelist[[i]] <- levels(index)#- all of them, yes !
extent[i] <- nlevels(index)
group <- group + ngroup * (as.integer(index) - one)
ngroup <- ngroup * nlevels(index)
}
if (is.null(FUN)) return(group)
ans <- lapply(X = split(X, group), FUN = FUN, ...)
index <- as.integer(names(ans))
if (simplify && all(unlist(lapply(ans, length)) == 1L)) {
ansmat <- array(dim = extent, dimnames = namelist)
ans <- unlist(ans, recursive = FALSE)
} else {
ansmat <- array(vector("list", prod(extent)),
dim = extent, dimnames = namelist)
}
if(length(index)) {
names(ans) <- NULL
ansmat[index] <- ans
}
ansmat
}
my.tapply(df.1$apples, df.1$state, function(x) {sum(x)})
# AA BB
# 111 -111
my.tapply(df.1[,3:4] , df.1$state, function(x) {colSums(x)})
# $AA
# apples cherries
# 111 222
#
# $BB
# apples cherries
# -111 -222
3 ответа
tapply работает над вектором, для data.frame вы можете использовать by (который является оберткой для tapplyпосмотрите код)
> by(df.1[,c(3:5)], df.1$state, FUN=colSums)
df.1$state: AA
apples cherries plums
111 222 333
-------------------------------------------------------------------------------------
df.1$state: BB
apples cherries plums
-111 -222 -333
Ты ищешь by, Он использует INDEX так, как вы предполагали tapply будет по ряду.
by(df.1, df.1$state, function(x) colSums(x[,3:5]))
Проблема с вашим использованием tapply это то, что вы индексировали data.frame по столбцу. (Так как data.frame на самом деле просто list столбцов.) Итак, tapply жаловался, что ваш индекс не соответствует длине вашего data.frame который 5.
Я посмотрел на исходный код by, как предложил EDi. Этот код был значительно сложнее, чем мое изменение в одной строке tapply, Теперь я обнаружил, что my.tapply не работает с более сложным сценарием ниже, где apples а также cherries суммируются state а также county, Если я получу my.tapply для работы с этим делом я могу выложить код здесь позже:
df.2 <- read.table(text = '
state county apples cherries plums
AA 1 1 2 3
AA 1 1 2 3
AA 2 10 20 30
AA 2 10 20 30
AA 3 100 200 300
AA 3 100 200 300
BB 7 -1 -2 -3
BB 7 -1 -2 -3
BB 8 -10 -20 -30
BB 8 -10 -20 -30
BB 9 -100 -200 -300
BB 9 -100 -200 -300
', header = TRUE, stringsAsFactors = FALSE)
# my function works
tapply(df.2$apples , list(df.2$state, df.2$county), function(x) {sum(x)})
my.tapply(df.2$apples , list(df.2$state, df.2$county), function(x) {sum(x)})
# my function works
tapply(df.2$cherries, list(df.2$state, df.2$county), function(x) {sum(x)})
my.tapply(df.2$cherries, list(df.2$state, df.2$county), function(x) {sum(x)})
# my function does not work
my.tapply(df.2[,3:4], list(df.2$state, df.2$county), function(x) {colSums(x)})