汇总/在 R 中聚合而不降低级别

Posted 2023-02-16

【中文标题】汇总/在 R 中聚合而不降低级别

【英文标题】：Summary / Aggregate in R without dropping levels

【发布时间】：2014-01-24 08:30:38

【问题描述】：

我想在不删除空级别的情况下汇总或汇总表格。我想知道是否有人对此有任何想法？

例如， 这是一个数据框

df1<-data.frame(Method=c(rep("A",3),rep("B",2),rep("C",4)),
       Type=c("Fast","Fast","Medium","Fast","Slow","Fast","Medium","Slow","Slow"),
            Measure=c(1,1,2,1,3,1,1,2,2))

使用 base 和 doBy 包的两种方法。

#base
aggregate(Measure~Method+Type,data=df1,FUN=length)

require(doBy)
summaryBy(Measure~Method+Type,data=df1,FUN=length)

它们都给出了不同排序的相同结果，但问题是我希望所有方法和类型的组合以及作为 NA 插入的缺失度量。或者必须保持我的两个因素的所有水平。

df1$Type
df1$Method

也许plyr 有一些东西，但我不知道它是如何工作的。

【问题讨论】：

见similar question with data.table

另见 ddply 它是 .drop 参数。

正如@joran 已经说过的，但你不熟悉 plyr：ddply(df1, .(Method, Type), summarise, Measure=length(Measure), .drop=F)

乔兰和马克。那很完美。谢谢。这个选项“总结”从何而来？当最常见的用法是“FUN=length”时，“Measure=length(Measure)”。我无法从糟糕的帮助页面 ?ddply 中弄清楚这些简单的事情。再次感谢大家。

【参考方案1】：

看看tapply:

with(df1, tapply(Measure, list(Method, Type), FUN = length))

#   Fast Medium Slow
# A    2      1   NA
# B    1     NA    1
# C    1      1    2

【参考方案2】：

在基础 R 中，by 将返回缺失值的结果。

result <- by(df1, INDICES=list(df1$Method, df1$Type), FUN=nrow)
cbind(expand.grid(attributes(result)$dimnames), as.vector(result))

#   Var1   Var2 as.vector(result)
# 1    A   Fast                 2
# 2    B   Fast                 1
# 3    C   Fast                 1
# 4    A Medium                 1
# 5    B Medium                NA
# 6    C Medium                 1
# 7    A   Slow                NA
# 8    B   Slow                 1
# 9    C   Slow                 2

【参考方案3】：

您可以尝试在 base R 中使用 by()。例如，

tab <- with(df1, by(df1, list(Method = Method, Type = Type), FUN = length))
Method: A
Type: Fast
[1] 2
------------------------------------------------------------ 
Method: B
Type: Fast
[1] 1
------------------------------------------------------------ 
Method: C
Type: Fast
[1] 1
------------------------------------------------------------ 
Method: A
Type: Medium
[1] 1
------------------------------------------------------------ 
Method: B
Type: Medium
[1] NA
------------------------------------------------------------ 
Method: C
Type: Medium
[1] 1
------------------------------------------------------------ 
Method: A
Type: Slow
[1] NA
------------------------------------------------------------ 
....

请注意，这只是 print() 方法使它看起来很复杂。如果我们unclass()tab，我们会看到在这种情况下它只是一个多路表：

R> unclass(tab)
      Type
Method Fast Medium Slow
     A    2      1   NA
     B    1     NA    1
     C    1      1    2
attr(,"call")
by.data.frame(data = df1, INDICES = list(Method = Method, Type = Type), 
    FUN = nrow)

您可以使用它，因为它只是一个数组（矩阵）。如果您更喜欢长格式，您可以轻松展开：

nr <- nrow(tab)
ltab <- cbind.data.frame(Method = rep(rownames(tab), times = nr),
                         Type = rep(colnames(tab), each = nr),
                         Count = c(tab))
ltab

R> ltab
  Method   Type Count
1      A   Fast     2
2      B   Fast     1
3      C   Fast     1
4      A Medium     1
5      B Medium    NA
6      C Medium     1
7      A   Slow    NA
8      B   Slow     1
9      C   Slow     2

【讨论】：

不是吹毛求疵，而是返回每个分组的列数，而不是观察数。

@MatthewPlourde 谢谢马修，只是为了表明我不应该在这里和推特上回答问题并同时工作......！

【参考方案4】：

感谢您的回答。我认为他们都努力给出结果。但是 Mark Heckmann 对此代码的评论

ddply(df1, .(Method, Type), summarise, Measure=length(Measure), .drop=F)

似乎提供了一个漂亮干净的输出数据帧，具有良好的标头和最少的代码。不利的一面是，它需要额外的软件包。

【参考方案5】：

2021 年更新

我认为这可以通过stats::aggregate() 使用drop = FALSE 来完成。不需要额外的软件包。结果是一个常规的 ole 数据框，其中空级别为 NA。

aggregate(Measure ~ Method + Type, data = df1, FUN = length, drop = FALSE)

  Method   Type Measure
1      A   Fast       2
2      B   Fast       1
3      C   Fast       1
4      A Medium       1
5      B Medium      NA
6      C Medium       1
7      A   Slow      NA
8      B   Slow       1
9      C   Slow       2