reshape2:聚合函数的多个结果？

Question

据我所读，* reshape2中的强制转换操作失去了它们的result_variable特性。Hadley暗示为此目的使用plyr (在输入数据帧中附加多个结果列)。我怎么会意识到文档的例子..。

aqm <- melt(airquality, id=c("month", "day"), na.rm=TRUE)
cast(aqm, month ~ variable + result_variable, range)

使用reshape2 (dcast)和plyr (ddply)？

Answer 1

由于“reshape2”和“plyr”包的灵活性，这个问题有多个答案。我将在这里展示一个最容易理解的例子：

library(reshape2)
library(plyr)

aqm <- melt(airquality, id=c("Month", "Day"), na.rm=TRUE)
aqm_ply <- ddply(aqm, .(Month, variable), summarize, min=min(value), max=max(value))
aqm_melt <- melt(aqm_ply, id=c("Month", "variable"), variable.name="variable2")
dcast(aqm_melt, Month ~ variable + variable2)

#   Month Ozone_min Ozone_max Solar.R_min Solar.R_max Wind_min Wind_max Temp_min  Temp_max
# 1     5         1       115           8         334      5.7     20.1       56        81
# 2     6        12        71          31         332      1.7     20.7       65        93
# 3     7         7       135           7         314      4.1     14.9       73        92
# 4     8         9       168          24         273      2.3     15.5       72        97
# 5     9         7        96          14         259      2.8     16.6       63        93

步骤1：让我们将其分解为步骤。首先，让我们把“aqm”的定义放在一边，从融化的数据中进行工作。这将使示例更容易理解。

aqm <- melt(airquality, id=c("Month", "Day"), na.rm=TRUE)

#     Month Day variable value
# 1       5   1    Ozone  41.0
# 2       5   2    Ozone  36.0
# 3       5   3    Ozone  12.0
# 4       5   4    Ozone  18.0
# ...
# 612     9  30     Temp  68.0

步骤2：现在，我们希望将'value‘列替换为'min’和'max‘列。我们可以通过'plyr‘包中的'ddply’函数来实现这一点。为此，我们使用'ddply‘函数(数据帧作为输入，数据帧作为输出，因此"dd"-ply)。我们首先指定数据。

ddply(aqm,

然后，我们指定我们要使用的变量来分组我们的数据，‘月份’和‘变量’。我们使用.函数直接引用这些变量，而不是引用它们包含的值。

ddply(aqm, .(Month, variable),

现在我们需要选择一个聚合函数。我们在这里选择summarize函数，因为我们有不想包含在最终数据中的列('Day‘和'value')。summarize函数将删除所有原始的、非分组的列。

ddply(aqm, .(Month, variable), summarize,

最后，我们为每个组指定要做的计算。我们可以参考原始数据框架(Aqm)的列，即使它们不会包含在我们的最终数据框架中。这就是它的样子：

aqm_ply <- ddply(aqm, .(Month, variable), summarize, min=min(value), max=max(value))

#    Month variable  min   max
# 1      5    Ozone  1.0 115.0
# 2      5  Solar.R  8.0 334.0
# 3      5     Wind  5.7  20.1
# 4      5     Temp 56.0  81.0
# 5      6    Ozone 12.0  71.0
# 6      6  Solar.R 31.0 332.0
# 7      6     Wind  1.7  20.7
# 8      6     Temp 65.0  93.0
# 9      7    Ozone  7.0 135.0
# 10     7  Solar.R  7.0 314.0
# 11     7     Wind  4.1  14.9
# 12     7     Temp 73.0  92.0
# 13     8    Ozone  9.0 168.0
# 14     8  Solar.R 24.0 273.0
# 15     8     Wind  2.3  15.5
# 16     8     Temp 72.0  97.0
# 17     9    Ozone  7.0  96.0
# 18     9  Solar.R 14.0 259.0
# 19     9     Wind  2.8  16.6
# 20     9     Temp 63.0  93.0

步骤3：我们可以看到数据大大减少了，因为ddply函数聚集了行。现在我们需要再次熔化数据，这样我们就可以为最终的数据帧获得第二个变量。注意，我们需要指定一个新的variable.name参数，这样我们就没有两个名为“变量”的列。

aqm_melt <- melt(aqm_ply, id=c("Month", "variable"), variable.name="variable2")

    #    Month variable variable2 value
# 1      5    Ozone       min   1.0
# 2      5  Solar.R       min   8.0
# 3      5     Wind       min   5.7
# 4      5     Temp       min  56.0
# 5      6    Ozone       min  12.0
# ...
# 37     9    Ozone       max  96.0
# 38     9  Solar.R       max 259.0
# 39     9     Wind       max  16.6
# 40     9     Temp       max  93.0

步骤4：最后，我们可以通过将数据转换成最终形式来结束所有的工作。

dcast(aqm_melt, Month ~ variable + variable2)

#   Month Ozone_min Ozone_max Solar.R_min Solar.R_max Wind_min Wind_max Temp_min  Temp_max
# 1     5         1       115           8         334      5.7     20.1       56        81
# 2     6        12        71          31         332      1.7     20.7       65        93
# 3     7         7       135           7         314      4.1     14.9       73        92
# 4     8         9       168          24         273      2.3     15.5       72        97
# 5     9         7        96          14         259      2.8     16.6       63        93

希望这个例子能给你足够的理解，让你开始工作。请注意，一个新的数据帧优化版本的'plyr‘包正在积极开发的名称'dplyr'，所以您可能希望准备好将您的代码转换为新的包后，它变得更加成熟。

Answer 2

我认为其他答案应包括如何使用"plyr“或"dplyr”(我鼓励你继续朝这个方向看)。

为了好玩，这里有一个dcast包装器，让您可以指定多个函数。它不适用于返回多个值的函数(如range)，它要求您使用一个命名的函数列表。

dcastMult <- function(data, formula, value.var = "value", 
                   funs = list("min" = min, "max" = max)) {
  require(reshape2)
  if (is.null(names(funs)) | any(names(funs) == "")) stop("funs must be named")
  Form <- formula(formula)
  LHS <- as.character(Form[[2]])
  if (length(LHS) > 1) LHS <- LHS[-1]
  temp <- lapply(seq_along(funs), function(Z) {
    T1 <- dcast(data, Form, value.var = value.var, 
                fun.aggregate=match.fun(funs[[Z]]), fill = 0)
    Names <- !names(T1) %in% LHS
    names(T1)[Names] <- paste(names(T1)[Names], names(funs)[[Z]], sep = "_")
    T1
  })
  Reduce(function(x, y) merge(x, y), temp)
}

这看起来有点混乱，但结果是，在使用多个聚合函数时，您可以坚持使用熟悉的语法。funs参数的“名称”用作结果名称中的后缀。可以按预期指定匿名函数，例如maxSq = function(x) max(x)^2。

dcastMult(aqm, month ~ variable, value.var="value",
       funs = list("min" = min, "max" = max))
#   month ozone_min solar.r_min wind_min temp_min ozone_max solar.r_max wind_max temp_max
# 1     5         1           8      5.7       56       115         334     20.1       81
# 2     6        12          31      1.7       65        71         332     20.7       93
# 3     7         7           7      4.1       73       135         314     14.9       92
# 4     8         9          24      2.3       72       168         273     15.5       97
# 5     9         7          14      2.8       63        96         259     16.6       93

Answer 3

下面是一个使用惊人的dplyr函数的%>%解决方案。它还使用了基本的reshape函数，这个函数经常被未充分使用(IMHO)。代码是不言自明的。

library(dplyr)
airquality %>%
  melt(c('Month', 'Day')) %>%
  group_by(Month, variable) %>%
  summarise(min = min(value, na.rm = T), max = max(value, na.rm = T)) %>%
  reshape(timevar = 'variable', idvar = 'Month', direction = 'wide') %>%
  arrange(Month)