在应用内嵌套聚合以通过R中的多个变量聚合多个列答案

【问题标题】：Nesting aggregate within apply to aggregate multiple columns by multiple variables in R在应用内嵌套聚合以通过R中的多个变量聚合多个列
【发布时间】：2015-02-23 17:12:12
【问题描述】：

我有一个包含分数集和分组变量集的数据框，例如：

s1 s2 s3 g1 g2 g3
4  3  7  F   F  T
6  2  2  T   T  T
2  4  9  G   G  F
1  3  1  T   F  G

我想运行一个聚合，目前我正在做：

aggregate(df[c("s1","s2","s3")],df["g1"],function(x) c(m =mean(x, na.rm=T), sd = sd(x, na.rm=T), n = length(x)))

我只想要一行代码，这样我就可以同时按多个因素聚合多个变量。注意我不是想通过 g1-3 的组合来获得 s1-3 的摘要（根据答案here）。我已经查看了doBy 包中的summaryBy，但这似乎又是对每个因素进行组合，而不仅仅是一个整体，这不是我想要的（虽然很有用！）。我一直在玩变体：

apply(df[c("g1","g2","g3")], 2, function (z) aggregate(df[c("s1","s2","s3")],z,function(x) c(m =mean(x, na.rm=T), sd = sd(x, na.rm=T), n = length(x)))

但我得到错误：“'by' 必须是一个列表”。我想我可以用loop 来解决这个问题，我知道使用各种版本的ddply 或reshape 你可以获得聚合但最直观的方法（至少对我来说）似乎是@987654330 @ 和 aggregate - 我错过了什么？

【问题讨论】：

期望的输出是什么？
我不介意，我假设一个列表。我更喜欢使用数据框，但似乎将输出集重塑为 df 确实是一个单独的问题
@sjgknight 你可以试试lapply(paste0('g',1:3), function(y) aggregate(cbind(s1,s2,s3)~., df[c(y,paste0('s',1:3))], function(x) c(mean=mean(x, na.rm=T), sd=sd(x, na.rm=T), n=length(x))))
为了重现性的目的，我试图制作一个简化的例子，但实际上列名并不像那样统一，试图适应：lapply(c("IQ","PL"), function(y) aggregate(explor+sourDiv+sourQual+otherEval+Topic~., df[c(y,explor,sourDiv,sourQual,otherEval,Topic)], function(x) c(mean(x, na.rm=T), sd(x, na.rm=T), length(x))))我得到一个“对象'探索'不是找到”错误（但它是 df 中的命名列）。
@sjgknight 好的，现在我明白了问题所在。应该是df[c(y, 'explor', 'sourDiv', 'sourQual',...)]

标签： r aggregate nested-loops apply summary

【解决方案1】：

让我们将问题中的匿名函数命名如下。然后末尾的Map 语句通过每个分组变量分别将aggregate 应用于df[1:3]：

mean.sd.n <- function(x) c(m = mean(x, na.rm=T), sd = sd(x, na.rm=T), n = length(x))

Map(function(nm) aggregate(df[1:3], df[nm], mean.sd.n), names(df)[4:6])

给予：

$g1
  g1     s1.m    s1.sd     s1.n      s2.m     s2.sd      s2.n      s3.m     s3.sd      s3.n
1  F 4.000000       NA 1.000000 3.0000000        NA 1.0000000 7.0000000        NA 1.0000000
2  G 2.000000       NA 1.000000 4.0000000        NA 1.0000000 9.0000000        NA 1.0000000
3  T 3.500000 3.535534 2.000000 2.5000000 0.7071068 2.0000000 1.5000000 0.7071068 2.0000000

$g2
  g2    s1.m   s1.sd    s1.n s2.m s2.sd s2.n     s3.m    s3.sd     s3.n
1  F 2.50000 2.12132 2.00000    3     0    2 4.000000 4.242641 2.000000
2  G 2.00000      NA 1.00000    4    NA    1 9.000000       NA 1.000000
3  T 6.00000      NA 1.00000    2    NA    1 2.000000       NA 1.000000

$g3
  g3     s1.m    s1.sd     s1.n      s2.m     s2.sd      s2.n     s3.m    s3.sd     s3.n
1  F 2.000000       NA 1.000000 4.0000000        NA 1.0000000 9.000000       NA 1.000000
2  G 1.000000       NA 1.000000 3.0000000        NA 1.0000000 1.000000       NA 1.000000
3  T 5.000000 1.414214 2.000000 2.5000000 0.7071068 2.0000000 4.500000 3.535534 2.000000

注意：这可以通过使用gsubfn package 中的fn$ 稍微缩短。它允许我们在以Map 开头的代码行中使用公式表示法指定匿名函数，如下所示：

library(gsubfn)
fn$Map(nm ~ aggregate(df[1:3], df[nm], mean.sd.n), names(df)[4:6])

【讨论】：