如何以长格式显示"by“对象

Question

base R中的by函数有自己的特殊输出类"by"，该类带有特殊的打印格式。为了便于将结果放入表中，我真的希望将"by“的结果排列为一个数据框，其中包含指示用于子集的因子的级别的列：

b <- by(mtcars$mpg, list(mtcars$vs, mtcars$am), function(x) c(length(x), mean(x)))
some_reformatting_function(b)
#  am vs length     mean
#1  0  0     12 15.05000
#2  0  1      7 20.74286
#3  1  0      6 19.75000
#4  1  1      7 28.37143

当by的FUN参数的长度为1时，我可以通过强制b的类为数字，然后melting来实现。但是当FUN返回一个更长的向量时，这种方法就不起作用了。有什么建议吗？

Answer 1

dplyr非常适合于这些任务，并且非常容易学习。

by产生了一种难以处理的格式。在没有来自by的其他包的情况下，一种方法是再次使用by以一致的方式组合这些因素。

b <- by(mtcars$mpg, list(mtcars$vs, mtcars$am), function(x) c(length(x), mean(x)))
i <- by(cbind(mtcars$vs, mtcars$am), list(mtcars$vs, mtcars$am), function(x) c(x[1,1], x[1,2])) 
i <- unlist(i)
b <- unlist(b)
i <- matrix(i, ncol = 2)
b <- matrix(b, ncol = 2)
d <- data.frame(i, b)
names(d) <- c("am", "vs", "length", "mean")

d
#   am vs   length     mean
# 1  0  0 12.00000  6.00000
# 2  0  1 15.05000 19.75000
# 3  1  1  7.00000  7.00000
# 4  0  1 20.74286 28.37143

您还可以组合上面的by函数调用。

Answer 2

1)聚合对于问题1中的特定示例，通常会在基数R中使用aggregate，而不是by

aggregate(mpg ~ vs + am, mtcars, function(x) c(length = length(x), mean = mean(x)))

给予：

  vs am mpg.length mpg.mean
1  0  0   12.00000 15.05000
2  1  0    7.00000 20.74286
3  0  1    6.00000 19.75000
4  1  1    7.00000 28.37143

2)如果实际问题更复杂，并且您确实需要使用by来格式化by对象，则应重写by语句以在整个数据帧上操作，并在函数中包括边距变量：

fun <- function(x) with(x, 
             data.frame(vs = vs[1], am = am[1], length = length(mpg), mean = mean(mpg)))

do.call("rbind", by(mtcars, mtcars[c("vs", "am")], fun))

给予：

  vs am length     mean
1  0  0     12 15.05000
2  1  0      7 20.74286
3  0  1      6 19.75000
4  1  1      7 28.37143

3)通过使用问题中的b，虽然不建议这样做，但可以对问题中的b进行改革。我们稍微重述了b，使用了更紧凑的表示法并添加了名称。意识到"by"对象b也是一个2x2矩阵，在这种情况下，我们可以将其转换为数据帧，转置给矩阵m，从b的行名中获得边距，将margins和cbind的所有内容放在一起：

b <- by(mtcars$mpg, mtcars[c("vs", "am")], function(x) c(length=length(x), mean=mean(x)))

m <- t(do.call("data.frame", c(as.data.frame.matrix(b), check.names = FALSE)))
margins <- read.table(text = rownames(m), sep = ".", col.names = rev(names(dimnames(b))))
cbind(margins, m)

给予：

    am vs length     mean
0.0  0  0     12 15.05000
0.1  0  1      7 20.74286
1.0  1  0      6 19.75000
1.1  1  1      7 28.37143

4) sqldf也可以使用诸如data.table、doBy、dplyr和sqldf等许多包中的任何一个来解决这个特定问题。这里我们展示一个sqldf解决方案：

library(sqldf)
sqldf("select vs, am, count(*) length, avg(mpg) mean 
       from mtcars 
       group by vs, am")

给予：

  vs am length     mean
1  0  0     12 15.05000
2  0  1      6 19.75000
3  1  0      7 20.74286
4  1  1      7 28.37143

Answer 3

在我发布这篇文章后，我暗自怀疑答案可能是“只使用(Hadley的一个软件包)”，果然，ddply的默认输出格式是我想要的更合理的数据帧。

plyr::ddply(mtcars, .variables = c("vs", "am"), function(x) c(nrow(x), mean(x[["mpg"]])))
#  vs am V1       V2
#1  0  0 12 15.05000
#2  0  1  6 19.75000
#3  1  0  7 20.74286
#4  1  1  7 28.37143