summaryBy 和很多变量答案

【问题标题】：summaryBy and lots of variablessummaryBy 和很多变量
【发布时间】：2019-09-06 15:21:34
【问题描述】：

我想使用 summaryBy 并使用三个分组变量（我的公式右侧），但要汇总 170 个左右的变量（在我的情况下计算中位数）。如何在同一个公式中指定它们？

而不是打字

var1+var2+var3...

等等。我想我可以做一个这样的字符串。这本身就是一个完整的项目，但至少我现在存储了一个字符串，它是所有变量之间的加号。我称之为z1。

现在，在我的 summaryBy 脚本中简单地询问 z1 甚至 paste(z1) 不起作用：

d <- summaryBy(paste(z1) ~ year + month + ID,
                data=.., 
                FUN=c(median,sum), 
                na.rm=TRUE)

给出错误：

tapply 中的错误（currVAR, rh.string.factor, function(x) { :
参数必须具有相同的长度

我想这与我在 summaryBy 中指定我的数据这一事实有关。但我是 R 新手，因此无法理解除此之外的问题。

我也按照建议尝试了另一种方法：

d<-summaryBy(paste(z1,"~year+month+ID"),
                data=..,
                FUN=c(median,sum),
                na.rm=TRUE)

这反而给出了错误

.get_variables(formula, data, id, debug.info) 中的错误：'formula' 必须是公式或列表

所以不知道如何去那里。

来自帮助文档：

使用 cbind( ) 对多个变量进行计算 summaryBy（cbind（重量，饲料）~Evit + Cu，数据=子集（dietox，时间> 1), 有趣=有趣)

并对此进行测试，这次 z2 是一个由逗号分隔的所有变量的字符串。

d<-summaryBy(cbind(z2)~year+month+ID,
                data=..,
                FUN=c(median,sum),
                na.rm=TRUE)

或变体

d<-summaryBy(cbind(paste(z2))~year+month+ID,
                data=..,
                FUN=c(median,sum),
                na.rm=TRUE)

两者都给出了我上面最初尝试的参数长度错误。

另一个建议（感谢@akrun）：

d<-summaryBy(as.formula(paste(z1,"~year+month+ID")),
                data=..,
                FUN=c(median,sum),
                na.rm=TRUE)'

提醒：z1 是中间加号的变量。

在这种情况下，R 没有给出错误。似乎它正在加载或等待其他命令。控制台如下所示： Screenshot of console 底部没有>.. 这是什么意思？

最终编辑和解决方案：

as.formula 方法奏效了！非常感谢！我现在明白了，如果控制台底部没有箭头，就像我上面的截图一样，这意味着 R 正在计算哈哈。

【问题讨论】：

标签： r

【解决方案1】：

问题在于paste 只是围绕着感兴趣的变量。可以

library(doBy)
summaryBy(as.formula(paste(z1, "~ year + month + ID")),
            data=.., 
            FUN=c(median,sum), 
            na.rm=TRUE)

在哪里

z1 <- paste0('var', 1:3, collapse=" + ")

使用来自?summaryBy 的可重现示例

data(dietox)
dietox12    <- subset(dietox,Time==12)
fun <- function(x){
   c(m=mean(x), v=var(x), n=length(x))
 }

out1 <-  summaryBy(cbind(Weight, Feed) ~ Evit + Cu, data=dietox12,
       FUN=fun)

out2 <-  summaryBy(Weight +  Feed ~ Evit + Cu, data=dietox12,
                      FUN=fun)

z2 <- paste(c("Weight", "Feed"), collapse=" + ")
out3 <- summaryBy(as.formula(paste(z2,  "~ Evit + Cu")), data=dietox12,
       FUN=fun)
identical(out1, out2)
#[1] TRUE
identical(out1, out3)
#[1] TRUE

【讨论】：

【解决方案2】：

所以，感谢@akrun，下面的代码现在可以工作了：

d<-summaryBy(as.formula(paste(z1,"~year+month+ID")),
              data=..,
              FUN=c(median,sum),
              na.rm=TRUE)

一开始我认为它没有的原因是因为计算时间太长了！毕竟这是一个庞大的数据集。编辑了我的原始帖子，但把我所有的尝试都留在了那里，包括关于“丢失的箭头”的问题，我现在明白这意味着 R 正在工作。难的。谢谢！

【讨论】：