使用 lapply 基于两个或多个因子变量对数据框进行子集化答案

【问题标题】：Using lapply to subset a dataframe based on two or more factor variables使用 lapply 基于两个或多个因子变量对数据框进行子集化
【发布时间】：2020-10-03 22:15:06
【问题描述】：

这是 StackOverflow 问题的扩展 - Subset Data Based On Elements In List - 它回答了如何创建新 dfs 列表的问题，每个新 dfs 都是通过基于分组因子变量对原始一个子集来构造的。

我遇到的挑战是我需要使用多个分组变量来创建 dfs

为了概括这个问题，我创建了这个玩具数据集——它以每天的降雨量作为响应变量，以当天的温度范围和云量作为分类器。

rain <- c(2, 0, 4, 25, 3, 9, 4, 0, 4, 0, 8, 35)
temp <- as.factor(c("Warm","Cold","Hot","Cold","Warm","Cold","Cold","Warm","Warm","Hot","Cold", "Cold"))
clouds <- as.factor(c("Some","Lots","None","Lots","None","None","Lots","Some","Some","Lots","None", "Some"))
df <- data.frame(rain, temp, clouds)

使用以下代码，我可以生成三个新的数据帧，这些数据帧按 temp 变量分组，全部组合成一个列表 (df_1A)：

temp_levels <- unique(as.character(df$temp))
df_1A <- lapply(temp_levels, function(x){subset(df, temp == x)})

同样适用于按云量分组的三个新数据帧

cloud_levels <- unique(as.character(df$clouds))
df_1B <- lapply(cloud_levels, function(x){subset(df, clouds == x)})

但是，我无法想出一种简单、优雅的方式来生成 9 个数据帧，每个数据帧都有独特的温度和云量组合

谢谢

【问题讨论】：

标签： r dataframe subset apply

【解决方案1】：

您可以使用split 根据temp 和clouds 的唯一级别划分数据。

df_1 <- split(df, list(df$temp, df$clouds))

【讨论】：

这正是我所希望的解决方案。谢谢！

【解决方案2】：

您的问题暗示了对lapply 的偏好，但如果您不介意使用dplyr，则有一个优雅的解决方案。


library(dplyr)

df_list <- 
   df %>% 
   group_by(temp, clouds) %>% 
   group_split()

# df_list

df_list[[1]]
#> # A tibble: 3 x 3
#>    rain temp  clouds
#>   <dbl> <fct> <fct> 
#> 1     0 Cold  Lots  
#> 2    25 Cold  Lots  
#> 3     4 Cold  Lots

您的数据

rain <- c(2, 0, 4, 25, 3, 9, 4, 0, 4, 0, 8, 35)
temp <- as.factor(c("Warm","Cold","Hot","Cold","Warm","Cold","Cold","Warm","Warm","Hot","Cold", "Cold"))
clouds <- as.factor(c("Some","Lots","None","Lots","None","None","Lots","Some","Some","Lots","None", "Some"))
df <- data.frame(rain, temp, clouds)

【讨论】：

非常感谢。我还没有完全接受 tidyverse 数据分析方式的阶段 - 因此我已经给使用 core R 的回复打勾。但是，我相信对于那些喜欢 dplyr 解决方案的人来说，你的将是一个非常有用的回复。