Суммируйте данные по подмножеству переменных группировки

Question

Я бы тоже хотел суммировать один столбец за другим, что я знаю, как это сделать, используя ddply или aggregate... Но я хочу также добавить группы в мою переменную группировки для суммирования данных в произвольном порядке, см. Ниже:

##Create Data
year<-c(2008,2008,2008,2008,2009,2009,2009,2010,2010,2010,2010,2011,2011,2011,2011,2011)
catch<-c(1,2,0,1,1,0,1,0,1,2,1,0,1,1,1,0)
df<-data.frame(year,catch)

##I know how to aggregate by year:
yearlyAVcap<-ddply(df,~year,summarise,mean=mean(catch),sd=sd(catch))

##But I'd like to have 2008,2009,2010 summarized together and 2011 on it's own (i,e two groups-    1=2008,2009,2010 ; 2=2011)

Answer 1

Вы могли бы попробовать

df1 <- transform(df, yrGroup=c('2008-2010', '2011')[(year==2011)+1])


library(plyr)
ddply(df1, .(yrGroup), summarise, mean=mean(catch), sd=sd(catch))
#  yrGroup        mean        sd
#1 2008-2010 0.9090909 0.7006490
#2      2011 0.6000000 0.5477226

Или используя dplyr

 df1 %>%
      group_by(yrGroup) %>%
      summarise_each(funs(mean, sd), catch)
 #summarise_each can be used for multiple columns 
#    yrGroup      mean        sd
#1 2008-2010 0.9090909 0.7006490
#2      2011 0.6000000 0.5477226

объяснение

Чтобы получить две группы из разных лет, в примере (2008-2010 а также 2011), мы можем использовать == для второго года группы, т.е. 2011, Результатом будет логический вектор. Затем мы можем преобразовать это в числовой индекс, добавив 1 чтобы две группы 1 а также 2, Если мы добавим 0, TRUE будет преобразован в 1 и ЛОЖЬ как 0, Этот числовой индекс можно использовать для его переименования в 2008-2010 а также 2011,

df$year==2011
 #[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
#[13]  TRUE  TRUE  TRUE  TRUE

(df$year==2011)+1
 #[1] 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2

 c('2008-2010', '2011')[(df$year==2011)+1]
 #[1] "2008-2010" "2008-2010" "2008-2010" "2008-2010" "2008-2010" "2008-2010"
 #[7] "2008-2010" "2008-2010" "2008-2010" "2008-2010" "2008-2010" "2011"     
 #[13] "2011"      "2011"      "2011"      "2011"     

Предположим, у нас есть несколько лет, например 2008-2010 как одна группа и 2011-2013 как другая группа, мы можем использовать %in%

  (df$year %in% 2011:2013)+1