如何通过分类变量过滤 R 中的 data.frame？

Question

刚学R。

给定 R 中的 data.frame 具有两列，一列数字和一列分类，我如何提取 data.frame 的一部分以供使用？

str(ex0331)
'data.frame':   36 obs. of  2 variables:
$ Iron      : num  0.71 1.66 2.01 2.16 2.42 ...
$ Supplement: Factor w/ 2 levels "Fe3","Fe4": 1 1 1 1 1 1 1 1 1 1 ...

基本上，我需要能够分别对这两个因素进行操作；即我需要能够通过Supplement 类型（Fe3 或Fe4）单独确定铁保留率的长度/平均值/标准差等。

最简单的方法是什么？

我知道by() 命令。例如，以下得到了我需要的一些东西：

by(ex0331, ex0331$Supplement, summary)
ex0331$Supplement: Fe3
     Iron       Supplement
Min.   :0.710   Fe3:18    
1st Qu.:2.420   Fe4: 0    
Median :3.475             
Mean   :3.699             
3rd Qu.:4.472             
Max.   :8.240             
------------------------------------------------------------ 
ex0331$Supplement: Fe4
     Iron        Supplement
Min.   : 2.200   Fe3: 0    
1st Qu.: 3.892   Fe4:18    
Median : 5.750             
Mean   : 5.937             
3rd Qu.: 6.970             
Max.   :12.450      

但我需要更多的灵活性。例如，我需要应用axis 命令，或按组应用log() 函数。我确信有一种简单的方法可以做到这一点；我只是没看到。我看到的所有data.frame 操作文档都是针对数字变量而不是分类变量。

Answer 1

我建议使用plyr 包中的ddply 函数，详细文档在线：

> require(plyr)
> ddply( ex0331, .(Supplement), summarise, 
         mean = mean(Iron), 
         sd = sd(Iron), 
         len = length(Iron))

  Supplement       mean        sd len
1        Fe3 -0.3749169 0.2827360   4
2        Fe4  0.1953116 0.7128129   6

更新。 要添加一个LogIron 列，其中每个条目是Iron 值的log()，您只需使用transform：

> transform(ex0331, LogIron = log(Iron))

         Iron Supplement     LogIron
1  0.07185141        Fe3 -2.63315498
2  1.10367297        Fe3  0.09864368
3  0.48592428        Fe3 -0.72170246
4  0.20286918        Fe3 -1.59519393
5  0.80830682        Fe4 -0.21281357

或者，要创建一个“对数铁值的平均值，每个补充”的摘要，您可以：

> ddply( ex0331, .(Supplement), summarise, meanLog = mean(log(Iron)))
  Supplement    meanLog
1        Fe3 -1.0062304
2        Fe4  0.2791507

Answer 2

您可以通过索引或使用subset 来获取数据的子集：

ex0331 <- data.frame( iron=rnorm(36), supplement=c("Fe3","Fe4"))

subset(ex0331, supplement=="Fe3")
subset(ex0331, supplement=="Fe4")

ex0331[ex0331$supplement=="Fe3",]

或者同时使用split，生成一个列表：

split(ex0331,ex0331$supplement)

您可以做的另一件事是使用tapply 按一个因子拆分，然后执行一个函数：

tapply(ex0331$iron,ex0331$supplement,mean)
        Fe3         Fe4 
-0.15443861 -0.01308835 

plyr 包也可以使用，它有很多有用的功能。例如：

library(plyr)
daply(ex0331,.(supplement),function(x)mean(x[1]))
        Fe3         Fe4 
-0.15443861 -0.01308835 

编辑

针对已编辑的问题，您可以通过以下方式获取每个补充剂的铁日志：

ex0331 <- data.frame( iron=abs(rnorm(36)), supplement=c("Fe3","Fe4"))

tapply(ex0331$iron,ex0331$supplement,log)

或者plyr:

library(plyr)
dlply(ex0331,.(supplement),function(x)log(x$iron))

两者都以列表形式返回。我确信有一种比 plyr 示例中的包装函数更简单的方法。