如何使用 R 在数据框的多列上运行 tapply()？答案

【问题标题】：How to run tapply() on multiple columns of data frame using R?如何使用 R 在数据框的多列上运行 tapply()？
【发布时间】：2011-10-25 04:19:48
【问题描述】：

我有一个如下的数据框：

a   b1  b2  b3  b4  b5  b6  b7  b8  b9
D   4   6   9   5   3   9   7   9   8
F   7   3   8   1   3   1   4   4   3
R   2   5   5   1   4   2   3   1   6
D   9   2   1   4   3   3   8   2   5
D   5   4   3   1   6   4   1   8   3
R   3   7   9   1   8   5   3   4   2
D   4   1   8   2   6   3   2   7   5
F   7   1   7   2   7   1   6   2   4
D   6   3   9   3   9   9   7   1   2

tapply(df[,2], INDEX = df$a, sum) 函数可以很好地生成一个表格，该表格将 df[,2] 中的所有内容与 df$a 相加，但是当我尝试tapply(df[,2:10], INDEX = df$a, sum) 获得一个类似的表格时，除了每列的总和（2 , 3, 4,..., 10)，我收到一条错误消息：

tapply(df[, 2:10], INDEX = df$a, sum) 中的错误：参数必须具有相同的长度

另外，我希望表的行名是df[,2:10]的列名，这样第1行是b1，第2行是b2，第9行是b9。

【问题讨论】：

标签： r data-manipulation

【解决方案1】：

这是一种将data.table 应用于此问题的方法。

library(data.table)
DT <- data.table(df)
DT[, lapply(.SD, sum), by=a]

这是dplyr 方法

library(dplyr)
df %>% group_by(a) %>% summarise_all(funs(sum))

【讨论】：

summarise_each() 已弃用。请改用summarise_all()、summarise_at() 或summarise_if()。要将funs 映射到所有变量，请使用summarise_all()
lapply 中的 .SD 有什么作用？
".SD 代表类似“Data.table 的子集”。最初的“.”没有任何意义，只是它更不可能与用户发生冲突- 定义的列名。”

【解决方案2】：

另一种可能性是结合apply 和tapply。

apply(df[,-1], 2, function(x) tapply(x, df$a, sum))

将产生输出（这是一个矩阵）

    b1  ...   b9
D   sD1 ...  sD9
F   sF1 ...  sF9
R   sR1 ...  sR9

然后您可以使用as.data.frame() 获取数据框作为输出。

【讨论】：

【解决方案3】：

这是因为 tapply 对向量起作用，并将 df[,2:10] 转换为向量。接下来， sum 将为您提供总和，而不是每列的总和。使用aggregate()，例如：

aggregate(df[,2:10],by=list(df$a), sum)

如果你想返回一个列表，你可以使用 by() 。确保指定 colSums 而不是 sum，因为它适用于拆分的数据帧：

by(df[,2:10],df$a,FUN=colSums)

【讨论】：