如何识别和汇总数据框中匹配组的数据集？

Question

这是一个示例数据框：

set.seed(0)
x1 <- c(1, 1, 1, 1, 1, 2, 2, 2, 2)
x2 <- c(1, 1, 0, 0, 0, 1, 1, 1, 1)
x3 <- c(1, 1, 2, 2, 4, 1, 1, 2, 1)
n  <- c(1, 1, 1, 5, 5, 1, 1, 1, 1)
y <- rnorm(9)

mydf <- data.frame(x1, x2, x3, n, y)

我想做的是

1. 识别 n=1 且共享相同值 (x1, x2, x3) 的行
2. 为每个子集返回一行，其中 y = mean(y) 和 n = length(y)
3. 保持其他行相同。

例如，新的数据框将是

x1 <- c(1,            1,    1,    1,    2,                 2)
x2 <- c(1,            0,    0,    0,    1,                 1)
x3 <- c(1,            2,    2,    4,    1,                 2)
n  <- c(2,            1,    5,    5,    3,                 1)
y  <- c(mean(y[1:2]), y[3], y[4], y[5], mean(y[c(6:7,9)]), y[8])

newdf <- data.frame(x1, x2, x3, n, y)

我可以通过条件和循环来解决这个问题，但我更愿意学习更优雅的方式来做到这一点。

Answer 1

通过“其他列中的相同值”，我认为您的意思是每个子集由子集的每一行中的 x1 的相同值定义，而不是 x1 等于 x2 .感谢您提供示例以了解您的意思。

library("plyr")

获取第一和第二部分

ddply(mydf[mydf$n==1,], .(x1, x2, x3), summarise, n = length(y), y = mean(y))

这可以是rbind-ed 与mydf 的一部分，其中n!=1 得到你所说的

rbind(
  ddply(mydf[mydf$n==1,], .(x1, x2, x3), summarise, n = length(y), y = mean(y)),
  mydf[mydf$n!=1,]
)

这与您列出的顺序不同。如果这真的很重要，您可以添加一些辅助排序变量。

mydf$order = seq(length=nrow(mydf))
newdf <- rbind(
  ddply(mydf[mydf$n==1,], .(x1, x2, x3), summarise, 
    n = length(y), y = mean(y), order=min(order)),
  mydf[mydf$n!=1,]
)
newdf <- newdf[order(newdf$order),]
newdf$order <- NULL