【发布时间】：2013-07-27 22:45:47
【问题描述】：
我想按组对各个列求和，我的第一个想法是使用tapply。
但是，我无法让tapply 工作。 tapply 可以用来对多列求和吗？
如果没有，为什么不呢？
我在互联网上进行了广泛的搜索，发现了许多类似的问题 早在 2008 年。但是，这些问题都没有得到直接回答。 相反，响应总是建议使用不同的函数。
下面是一个示例数据集，我希望按州对苹果进行汇总，按州对樱桃进行汇总
和各州的李子。在此之下，我编译了许多 tapply 的替代方案
干活。
在底部我展示了对tapply 源代码的简单修改，它允许
tapply 执行所需的操作。
尽管如此，也许我忽略了一种执行所需操作的简单方法
与tapply。我不是在寻找替代功能，但欢迎使用其他替代功能。
鉴于我对tapply 源代码的修改很简单，我想知道为什么会这样，或者
类似的东西，还没有实现。
感谢您的任何建议。如果我的问题是重复的，我很乐意发布我的 问题作为另一个问题的答案。
这是示例数据集：
df.1 <- read.table(text = '
state county apples cherries plums
AA 1 1 2 3
AA 2 10 20 30
AA 3 100 200 300
BB 7 -1 -2 -3
BB 8 -10 -20 -30
BB 9 -100 -200 -300
', header = TRUE, stringsAsFactors = FALSE)
这不起作用：
tapply(df.1, df.1$state, function(x) {colSums(x[,3:5])})
帮助页面说：
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
X an atomic object, typically a vector.
我被typically a vector这个短语弄糊涂了，这让我想知道是否
可以使用数据框。我一直不清楚atomic object 是什么意思。
这里有几个可以替代tapply 的方法。第一种选择是将tapply 与apply 结合起来的变通方法。
apply(df.1[,c(3:5)], 2, function(x) tapply(x, df.1$state, sum))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
with(df.1, aggregate(df.1[,3:5], data.frame(state), sum))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), colSums))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), function(x) apply(x, 2, sum)))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
aggregate(df.1[,3:5], by=list(df.1$state), sum)
# Group.1 apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
by(df.1[,3:5], df.1$state, colSums)
# df.1$state: AA
# apples cherries plums
# 111 222 333
# ------------------------------------------------------------
# df.1$state: BB
# apples cherries plums
# -111 -222 -333
with(df.1,
aggregate(x = list(apples = apples,
cherries = cherries,
plums = plums),
by = list(state = state),
FUN = function(x) sum(x)))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
lapply(split(df.1, df.1$state), function(x) {colSums(x[,3:5])} )
# $AA
# apples cherries plums
# 111 222 333
#
# $BB
# apples cherries plums
# -111 -222 -333
这里是tapply的源代码，只是我改了行：
nx <- length(X)
到：
nx <- ifelse(is.vector(X), length(X), dim(X)[1])
tapply 的这个修改版本执行所需的操作：
my.tapply <- function (X, INDEX, FUN = NULL, ..., simplify = TRUE)
{
FUN <- if (!is.null(FUN)) match.fun(FUN)
if (!is.list(INDEX)) INDEX <- list(INDEX)
nI <- length(INDEX)
if (!nI) stop("'INDEX' is of length zero")
namelist <- vector("list", nI)
names(namelist) <- names(INDEX)
extent <- integer(nI)
nx <- ifelse(is.vector(X), length(X), dim(X)[1]) # replaces nx <- length(X)
one <- 1L
group <- rep.int(one, nx) #- to contain the splitting vector
ngroup <- one
for (i in seq_along(INDEX)) {
index <- as.factor(INDEX[[i]])
if (length(index) != nx)
stop("arguments must have same length")
namelist[[i]] <- levels(index)#- all of them, yes !
extent[i] <- nlevels(index)
group <- group + ngroup * (as.integer(index) - one)
ngroup <- ngroup * nlevels(index)
}
if (is.null(FUN)) return(group)
ans <- lapply(X = split(X, group), FUN = FUN, ...)
index <- as.integer(names(ans))
if (simplify && all(unlist(lapply(ans, length)) == 1L)) {
ansmat <- array(dim = extent, dimnames = namelist)
ans <- unlist(ans, recursive = FALSE)
} else {
ansmat <- array(vector("list", prod(extent)),
dim = extent, dimnames = namelist)
}
if(length(index)) {
names(ans) <- NULL
ansmat[index] <- ans
}
ansmat
}
my.tapply(df.1$apples, df.1$state, function(x) {sum(x)})
# AA BB
# 111 -111
my.tapply(df.1[,3:4] , df.1$state, function(x) {colSums(x)})
# $AA
# apples cherries
# 111 222
#
# $BB
# apples cherries
# -111 -222
【问题讨论】：