Резюме / Агрегировать в R без снижения уровней

Question

Я хотел бы суммировать или агрегировать таблицы, не опуская пустых уровней. Интересно, есть ли у кого-нибудь идеи по этому поводу?

В качестве примера вот фрейм данных

df1<-data.frame(Method=c(rep("A",3),rep("B",2),rep("C",4)),
       Type=c("Fast","Fast","Medium","Fast","Slow","Fast","Medium","Slow","Slow"),
            Measure=c(1,1,2,1,3,1,1,2,2))

Два подхода с использованием базы и doBy пакет.

#base
aggregate(Measure~Method+Type,data=df1,FUN=length)

require(doBy)
summaryBy(Measure~Method+Type,data=df1,FUN=length)

Они оба дают одинаковые результаты, отсортированные по-разному, но проблема в том, что я хотел бы, чтобы все комбинации метода и типа и отсутствующие меры были вставлены как NA. Или все уровни обоих моих факторов должны быть сохранены.

df1$Type
df1$Method

Может быть plyr есть что-то, но я не знаю, как это работает.

Answer 1

Спасибо за ваши ответы. Я думаю, что все они работают, чтобы дать результат. Но комментарий Марка Хекманна с этим кодом

ddply(df1, .(Method, Type), summarise, Measure=length(Measure), .drop=F)

кажется, дает хороший чистый выходной фрейм данных с хорошим заголовком и с минимальным кодом. С другой стороны, он нуждается в дополнительном пакете.

Answer 2

Посмотри на tapply:

with(df1, tapply(Measure, list(Method, Type), FUN = length))

#   Fast Medium Slow
# A    2      1   NA
# B    1     NA    1
# C    1      1    2

Answer 3

Обновление на 2021 год

Я думаю, что теперь это можно сделать с помощью stats::aggregate() с использованием drop = FALSE. Никаких дополнительных пакетов не требуется. Результатом является обычный старый фрейм данных, в котором пустые уровни NA.

aggregate(Measure ~ Method + Type, data = df1, FUN = length, drop = FALSE)

        Method   Type Measure
1      A   Fast       2
2      B   Fast       1
3      C   Fast       1
4      A Medium       1
5      B Medium      NA
6      C Medium       1
7      A   Slow      NA
8      B   Slow       1
9      C   Slow       2

Answer 4

Вы могли бы попробовать by() в базе Р. Например,

tab <- with(df1, by(df1, list(Method = Method, Type = Type), FUN = length))
Method: A
Type: Fast
[1] 2
------------------------------------------------------------ 
Method: B
Type: Fast
[1] 1
------------------------------------------------------------ 
Method: C
Type: Fast
[1] 1
------------------------------------------------------------ 
Method: A
Type: Medium
[1] 1
------------------------------------------------------------ 
Method: B
Type: Medium
[1] NA
------------------------------------------------------------ 
Method: C
Type: Medium
[1] 1
------------------------------------------------------------ 
Method: A
Type: Slow
[1] NA
------------------------------------------------------------ 
....

Обратите внимание, что это просто print() метод, заставляющий это выглядеть сложным. Если мы unclass()tabмы видим, что в данном случае это просто многопоточная таблица:

R> unclass(tab)
      Type
Method Fast Medium Slow
     A    2      1   NA
     B    1     NA    1
     C    1      1    2
attr(,"call")
by.data.frame(data = df1, INDICES = list(Method = Method, Type = Type), 
    FUN = nrow)

и вы можете работать с этим, так как это просто массив (матрица). И если вы предпочитаете это в длинном формате, вы можете легко раскрутить его:

nr <- nrow(tab)
ltab <- cbind.data.frame(Method = rep(rownames(tab), times = nr),
                         Type = rep(colnames(tab), each = nr),
                         Count = c(tab))
ltab

R> ltab
  Method   Type Count
1      A   Fast     2
2      B   Fast     1
3      C   Fast     1
4      A Medium     1
5      B Medium    NA
6      C Medium     1
7      A   Slow    NA
8      B   Slow     1
9      C   Slow     2

Answer 5

В базе R, by вернет результат для пропущенных значений.

result <- by(df1, INDICES=list(df1$Method, df1$Type), FUN=nrow)
cbind(expand.grid(attributes(result)$dimnames), as.vector(result))

#   Var1   Var2 as.vector(result)
# 1    A   Fast                 2
# 2    B   Fast                 1
# 3    C   Fast                 1
# 4    A Medium                 1
# 5    B Medium                NA
# 6    C Medium                 1
# 7    A   Slow                NA
# 8    B   Slow                 1
# 9    C   Slow                 2