tapply() 函数依赖于 R 中的多个列

Posted 2023-02-16

【中文标题】tapply() 函数依赖于 R 中的多个列

【英文标题】：tapply() function dependent on multiple columns in R

【发布时间】：2011-07-10 02:48:04

【问题描述】：

在 R 中，我有一张包含 Location、sample_year 和 count 的表格。所以，

Location sample_year count  
A        1995        1
A        1995        1  
A        2000        3  
B        2000        1  
B        2000        1  
B        2000        5

我想要一个汇总表，它检查“Location”和“sample_year”列，并根据这个独特的组合而不是单个列对“count”求和。所以，最终结果应该是：

Location sample_year sum_count
A        1995        2
A        2000        3
B        2000        7

我可以将列和数据合并到一个新列中以创建唯一的 Location-sample_year 但这不是一个干净的解决方案，尤其是如果我需要在某个时候将其扩展到三列。必须有更好的方法。

【问题讨论】：

这不是一个真正的 tapply() 问题，也许编辑标题更笼统？你可以用tapply得到总和，但仍然需要清理聚合列：tapply(x$count, paste(x$Location, x$sample_year), sum)

【参考方案1】：

您可以将aggregate 与公式一起使用。

首先是数据：

x <- read.table(textConnection("Location sample_year count  
A        1995        1
A        1995        1  
A        2000        3  
B        2000        1  
B        2000        1  
B        2000        5"), header = TRUE)

使用 sum 和指定分组的公式进行聚合：

aggregate(count ~ Location+sample_year, data = x, sum)
    Location sample_year count
1        A        1995     2
2        A        2000     3
3        B        2000     7

【讨论】：

+1 整洁的单行...使用基本 R 发行版中可用的函数总是更好。

我不会说“总是”，有一些更容易使用的工具，比如 reshape（和 plyr、stringr、raster，...），可以让你以更智能的方式做更多事情，我只是还没有努力学习，我只是用旧的东西来学习，因为我就是这样学习的。如果我知道我也会推荐的新东西，我会对你的答案投票！

恕我直言，reshape 仅在复杂聚合的情况下才有效。 plyr 是另一个很酷的包，非常值得学习。

【参考方案2】：

或使用reshape 包：

library(reshape)
md <- melt(x, measure.vars = "count")
cast(md, Location + sample_year ~ variable, sum)
  Location sample_year count
1        A        1995     2
2        A        2000     3
3        B        2000     7

编辑：

我使用了@mdsumner 回答中的对象x。无论如何......我建议你坚持他的回答，因为它不依赖于外部包（aggregate 函数与 R 捆绑在一起，除非你分离 stats 包......）。而且，顺便说一句，它比reshape 解决方案更快。

【参考方案3】：

或使用plyr（使用来自@mdsummer 的x）

library(plyr)
ddply(x, .(Location,sample_year), summarise, count = sum(count))