从数据文件生成复杂的表答案

【问题标题】：Generate complicated table from data file从数据文件生成复杂的表
【发布时间】：2016-05-21 01:51:50
【问题描述】：

这个问题是How can I sum rows that with non-numeric factor in R? 的扩展。我在 data.txt 中有数据框，如下所示：

        Latency     Port        TrafficType     Time
    1   27821       Port1       ssh     "2016/02/05 15:18:25"
    2   24186       Port1       http    "2016/02/05 15:18:25"
    3   17963       Port1       ssh     "2016/02/05 15:18:25"
    4   20208       Port1       ftp     "2016/02/05 15:18:25"
    5   20703       Port2       ftp     "2016/02/05 15:18:25"
    6   29735       Port3       ssh     "2016/02/05 15:18:25"
    7   20975       Port1       https   "2016/02/05 15:18:25"
    8   29489       Port1       ssh     "2016/02/05 15:18:25"
    9   19319       Port4       ssh     "2016/02/05 15:18:25"
    10  18224       Port1       ssh     "2016/02/05 15:18:25"
    11  17952       Port1       ftp     "2016/02/05 15:18:25"
    12  17972       Port1       ssh     "2016/02/05 15:18:25"
    13  17300       Port1       ssh     "2016/02/05 15:18:25"
    14  20937       Port1       ssh     "2016/02/05 15:18:25"
    15  18769       Port1       ssh     "2016/02/05 15:18:25"
    16  18104       Port2       ssh     "2016/02/05 15:18:25"
    17  17496       Port2       ssh     "2016/02/05 15:18:26"
    18  23268       Port1       https   "2016/02/05 15:18:26"
    19  19457       Port1       ssh     "2016/02/05 15:18:26"
    20  20937       Port1       ssh     "2016/02/05 15:18:25"
    21  18769       Port1       ssh     "2016/02/05 15:18:25"
    22  18104       Port2       ssh     "2016/02/05 15:18:25"
    23  17496       Port2       ssh     "2016/02/05 15:18:26"
    24  23268       Port1       https   "2016/02/05 15:18:26"
    25  19457       Port1       ssh     "2016/02/05 15:18:27"
    ....

我用tapply() 做了一些统计：

data <- read.table("data.txt")
fact <- factor(data$Port)
lat <- tapply(data$Latency, fact,
           function(x) {
               c(max(x),
                 mean(x),
                 median(x),
                 quantile(x, c(0.90,0.99,0.9999)))
           })

然后我得到：

    $Port1
                                    90%      99%   99.99% 
    29489.00 20941.78 19832.50 25276.50 29205.44 29486.16 

    $Port2
                                    90%      99%   99.99% 
    20703.00 18380.60 18104.00 19663.40 20599.04 20701.96 

    $Port3
                           90%    99% 99.99% 
     29735  29735  29735 29735  29735  29735 

    $Port4
                           90%    99% 99.99% 
     19319  19319  19319 19319  19319  19319

我想在上表中添加更多统计信息，如下所示：

    $Port1
                                   90%      99%   99.99% ftp http https ssh peak
    29489.00 20941.78 19832.50 25276.50 29205.44 29486.16 2   1   3     12   14

    $Port2
                                    90%      99%   99.99% ftp http https ssh peak
    20703.00 18380.60 18104.00 19663.40 20599.04 20701.96 1    0     0    4    3

    $Port3
                           90%    99% 99.99% ftp http https ssh peak
     29735  29735  29735 29735  29735  29735 ?   ?    ?     ?   ?

    $Port4
                           90%    99% 99.99% ftp http https ssh peak
     19319  19319  19319 19319  19319  19319 ?   ?    ?     ?   ?

昨天，我在How can I sum rows that with non-numeric factor in R? 中提问，感谢@akrun 教我一种方法，将table() 函数应用于数据子集以获取所有流量类型的计数：

     t <- table(data[c("Port", "TrafficType")])
     t
                    TrafficType
     Port    ftp http https ssh
      Port1   2    1     3  12
      Port2   1    0     0   4
      Port3   0    0     0   1
      Port4   0    0     0   1

现在，我的问题是：

如何将此结果附加到表中（在 99.99% 列之后）？
如何计算每个端口的峰值流量（流量/秒）？即，Port1 在 2016/02/05 15:18:25 有 14 个流量，在 2016/02/05 15:18:26 有 3 个流量，在 2016/02/05 15:18:27 有 1 个流量，所以它的峰值，I在这个地方需要一个数字 14。

希望我把我的问题描述得足够清楚。非常感谢您的耐心和友好的回复。

更新：我发现了一个丑陋的方法，那就是单独计算味精率：

    rate_df <- as.data.frame(data[c("Port", "Time")])
    rate_fc <- factor(rate_df$Port)
    peak <- tapply(rate_df$Freq, rate_fc, max) # <-

然后使用打印功能在延迟后附加峰值的值。它看起来很丑陋。这里需要专家的建议。非常感谢。

【问题讨论】：

修改你的匿名函数调用。
@Alex，完全不知道怎么做，刚开始学习 R 几个星期。
@LukeHuang Alex 所指的匿名函数调用是您的第二个代码块中对function 的调用。您可以在此处阅读有关匿名函数的更多信息：adv-r.had.co.nz/Functional-programming.html。 Alex 的建议是在创建行时将这些统计信息添加到行中。
谢谢@user164385 我明白你的意思，并会尝试。
@LukeHuang SO 不是编程服务。这是一个供程序员作为社区工作的问答网站。用户将努力学习编程是理所当然的。根据您的 cmets，我不相信您正在尝试。花点时间了解什么是匿名函数以及如何使用和修改它们。

标签： r

【解决方案1】：

如果您只是想组合现在可以使用的东西，@Alex 在您问题的第二个代码块中关于修改匿名函数调用的评论将为您完成这项工作。但是，为了更长期地帮助您，我建议您将您的表格转换为数据框。 It's practically crying out to be one anyway.

向数据框d 添加新列非常容易；只需使用d$new_column_name <- vector_of_values 或d[,"new_column_name"] <- vector_of_values。

您还可以将@akrun 教您如何使用as.data.frame(t) 制作成数据框的表格t 将两者粘合在一起：只要两个数据框a 和b 具有相同的行数，cbind(a, b) 将生成一个包含a 和b 列的数据表。（附带说明一下，为了代码的清晰和可读性，最好不要使用 t 作为对象的名称，因为 t 也是转置函数的名称。

【讨论】：

我个人的看法是，这不符合作为答案的条件，但应该移到上面的评论部分......也就是说，这只是一个意见。
@Alex 我可以看出这有点极端。我认为它作为答案比评论更好，因为它包含有关 OP 可以用来解决他们问题的代码的具体建议，尽管因为大多数关于答案与评论的准则都是基于重言式（“如果它回答了问题”）我也有点直觉。