我有一个大约有200列的数据框,其中我想按前10个左右的因子对表进行分组,并对其余列求和。
我有我想要分组的所有列名的列表,以及我想要聚合的所有cols的列表。
我正在寻找的输出格式需要是具有相同数量的cols的相同数据帧,只是分组在一起。
有没有使用data.table、plyr或其他包的解决方案?
发布于 2011-11-21 22:01:38
data.table的方式是:
DT[, lapply(.SD,sum), by=list(col1,col2,col3,...)]或
DT[, lapply(.SD,sum), by=colnames(DT)[1:10]]其中.SD是不包括组列的(D)ata的(S)子集。(另外:如果您需要泛泛地引用组列,它们位于.BY中。)
发布于 2011-11-21 22:40:05
在R基地这是..。
aggregate( as.matrix(df[,11:200]), as.list(df[,1:10]), FUN = sum)编辑:自从我写这篇文章以来,聚合函数已经有了很长的发展。上面的造型都不是必需的。
aggregate( df[,11:200], df[,1:10], FUN = sum )有很多种方法来写这个。假设前10列通过a10命名为a1,我喜欢下面的内容,尽管它很冗长。
aggregate(. ~ a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9 + a10, data = dat, FUN = sum)(您可以使用粘贴来构造公式并使用formula)
发布于 2011-11-21 21:50:28
这似乎是ddply的任务(我使用包含在plyr中的“棒球”数据集):
library(plyr)
groupColumns = c("year","team")
dataColumns = c("hr", "rbi","sb")
res = ddply(baseball, groupColumns, function(x) colSums(x[dataColumns]))
head(res)这将为每个groupColumns提供在dataColumns中指定的列的总和。
https://stackoverflow.com/questions/8212699
复制相似问题