在 R 中的聚合中命名列

Posted 2023-02-16

【中文标题】在 R 中的聚合中命名列

【英文标题】：Name columns within aggregate in R

【发布时间】：2013-02-24 21:29:13

【问题描述】：

我知道我可以在聚合数据后*重新*命名列：

blubb <- aggregate(dat$two ~ dat$one, ...)
colnames(blubb) <- c("One", "Two")

这没有错。但是有没有办法一次性聚合和命名列？有点像：

blubb <- aggregate( ... , cols = c("One", "Two"))

以某种方式捕获原始列名并这样做会特别好（并且防错字）：

blubb <- aggregate( ... , cols = c(name_of_dat$one, name_of_dat$two."_Mean"))

【参考方案1】：

您可以使用setNames，如：

blubb <- setNames(aggregate(dat$two ~ dat$one, ...), c("One", "Two"))

或者，您可以绕过巧妙的公式方法，并使用如下语法：

blubb <- aggregate(list(One = dat$one), list(Two = dat$two), ...)

---

更新

此更新只是为了帮助您开始自行获取解决方案。

如果您检查 stats:::aggregate.formula 的代码，您将在末尾看到以下几行：

if (is.matrix(mf[[1L]])) 
    lhs <- as.data.frame(mf[[1L]])
    names(lhs) <- as.character(m[[2L]][[2L]])[-1L]
    aggregate.data.frame(lhs, mf[-1L], FUN = FUN, ...)

else aggregate.data.frame(mf[1L], mf[-1L], FUN = FUN, ...)

如果您只想将函数名称附加到聚合的变量中，也许您可​​以将其更改为：

if (is.matrix(mf[[1L]])) 
  lhs <- as.data.frame(mf[[1L]])
  names(lhs) <- as.character(m[[2L]][[2L]])[-1L]
  myOut <- aggregate.data.frame(lhs, mf[-1L], FUN = FUN, ...)
  colnames(myOut) <- c(names(mf[-1L]), 
                       paste(names(lhs), deparse(substitute(FUN)), sep = "."))

else 
  myOut <- aggregate.data.frame(mf[1L], mf[-1L], FUN = FUN, ...)
  colnames(myOut) <- c(names(mf[-1L]), 
                       paste(strsplit(gsub("cbind\\(|\\)|\\s", "", 
                                           names(mf[1L])), ",")[[1]],
                             deparse(substitute(FUN)), sep = "."))
 
myOut

这基本上捕获了使用deparse(substitute(FUN)) 为FUN 输入的值，因此您可以修改函数以接受自定义后缀，甚至可能是后缀向量。这可能可以通过一些工作来改进，但我不会这样做！

这里是a Gist，应用了这个概念，创建了一个名为“myAgg”的函数。

这里是一些示例输出只是生成的列名：

> names(myAgg(weight ~ feed, data = chickwts, mean))
[1] "feed"        "weight.mean"
> names(myAgg(breaks ~ wool + tension, data = warpbreaks, sum))
[1] "wool"       "tension"    "breaks.sum"
> names(myAgg(weight ~ feed, data = chickwts, FUN = function(x) mean(x^2)))
[1] "feed"                         "weight.function(x) mean(x^2)"

请注意，只有聚合变量名称会发生​​变化。但也要注意，如果你使用自定义函数，你最终会得到一个非常奇怪的列名！

【讨论】：

谢谢。这是否意味着绝对不可能在 aggregate() 括号内设置列名？另外，我编辑了我的问题，也许你对我问题的后半部分有进一步的想法。

我喜欢另一种选择 :-)

稍后我会调查您的问题。同时，查看this wrapper 周围的aggregate，它附加了应用于聚合列名称的函数。我没有在我的答案中发布它，因为它确实在一定程度上限制了 aggregate 的功能，并且只是为我正在从事的项目编写的。

也可以使用不带list()的名称。 blubb <- aggregate(One = dat$one, Two = dat$two, data=dat...)

@Matt，（1）这似乎对我不起作用，（2）这对多个分组变量如何起作用，（3）如果你需要dat$指定data=dat（这是aggregate 的formula 方法的参数，而不是您在此处提出的方法）。如果我遗漏了什么，请告诉我。谢谢！

【参考方案2】：

第一个问题的答案是肯定的。您当然可以在聚合函数中包含列名。使用上面示例中的名称：

blubb <- aggregate(dat,list(One=dat$One,Two=dat$Two),sum)

我喜欢关于可能自动提取原始列名的部分。如果我知道了，我会发布它。

【讨论】：

你如何更改函数sum产生的列的名称？现在只是x

@andrewj 我相信你可以把它放在函数的“列表”部分，例如...list(One = dat$One, Two = dat$Two, MyResults = dat$x) ...

【参考方案3】：

w <- data.frame(Funding<-"Fully Insured",Region="North East",claim_count=rnbinom(1000, 300.503572818, mu= 0.5739467))
x <- data.frame(Funding<-"Fully Insured",Region="South East",claim_count=rnbinom(1000, 1000, mu= 0.70000000))
y <- data.frame(Funding<-"Self Insured",Region="North East",claim_count=rnbinom(1000, 400, mu= 0.80000000))
z <- data.frame(Funding<-"Self Insured",Region="South East",claim_count=rnbinom(1000, 700, mu= 1.70000000))
names(w)<-c("Funding","Region","claim_count")
names(x)<-c("Funding","Region","claim_count")
names(y)<-c("Funding","Region","claim_count")
names(z)<-c("Funding","Region","claim_count")
my_df <- rbind(w,x,y,z)
my_df2<-with(my_df, aggregate(x=claim_count, by=list(Funding,Region), FUN=sum))
colnames(my_df2)<-colnames(my_df)

【参考方案4】：

如果您更喜欢将聚合编写为formula，文档会显示cbind 的用法。而cbind 允许你命名它的参数，aggregate 使用这些参数。

aggregate(cbind(SLength = Sepal.Length) ~ cbind(Type = Species),
  data = iris, mean)
#  Type SLength
#1    1   5.006
#2    2   5.936
#3    3   6.588

但是cbind 用它们的内部代码替换了factors。为避免这种情况，您可以使用：

aggregate(SLength ~ Type, with(iris, data.frame(SLength = Sepal.Length,
  Type = Species)), mean)
#        Type SLength
#1     setosa   5.006
#2 versicolor   5.936
#3  virginica   6.588

或

with(iris, aggregate(data.frame(SLength = Sepal.Length),
  data.frame(Type = Species), mean))
#        Type SLength
#1     setosa   5.006
#2 versicolor   5.936
#3  virginica   6.588

或

aggregate(data.frame(SLength = iris$Sepal.Length),
  data.frame(Type = iris$Species), mean)
#        Type SLength
#1     setosa   5.006
#2 versicolor   5.936
#3  virginica   6.588

与list 相比，使用cbind 或data.frame 的优势在于，并非所有列都需要指定（新）名称。可以通过多个分组因子聚合多个列，如下所示：

aggregate(cbind("Miles/gallon" = mpg, Weight = wt, hp) ~ cbind(Cylinders =
  cyl) + cbind(Carburetors = carb) + gear, data = mtcars, mean)
#   Cylinders Carburetors gear Miles/gallon  Weight    hp
#1          4           1    3        21.50 2.46500  97.0
#2          6           1    3        19.75 3.33750 107.5
#...

如果您想使用多个功能：

aggregate(cbind(cases=ncases, ncontrols) ~ cbind(alc=alcgp) + tobgp,
  data = esoph, FUN = function(x) c("mean" = mean(x), "median" = median(x)))

#   alc    tobgp cases.mean cases.median ncontrols.mean ncontrols.median
#1    1 0-9g/day  1.5000000    1.0000000      43.500000        47.000000
#2    2 0-9g/day  5.6666667    4.0000000      29.833333        34.500000
#...

将使用的聚合函数添加到 colname 中。

Hera 再次将cbind 替换为内部代码factors。为避免这种情况，您可以使用：

with(esoph, aggregate(data.frame(cases=ncases, ncontrols),
 data.frame(alc=alcgp, tobgp),
 FUN = function(x) c("mean" = mean(x), "median" = median(x))))
#         alc    tobgp cases.mean cases.median ncontrols.mean ncontrols.median
#1  0-39g/day 0-9g/day  1.5000000    1.0000000      43.500000        47.000000
#2      40-79 0-9g/day  5.6666667    4.0000000      29.833333        34.500000
#...