R聚合所有可能的组合，包括。 "don' t关心“

Question

假设我们有一个包含 3 列的数据框，代表 3 种不同的情况，每一种都可以是状态 0 或 1。第四列包含一个测量值。

set.seed(123)
df <- data.frame(round(runif(25)),
                 round(runif(25)),
                 round(runif(25)),
                 runif(25))
colnames(df) <- c("V1", "V2", "V3", "x")
head(df)

  V1 V2 V3         x
1  0  1  0 0.2201189
2  1  1  0 0.3798165
3  0  1  1 0.6127710

aggregate(df$x, by=list(df$V1, df$V2, df$V3), FUN=mean)

  Group.1 Group.2 Group.3         x
1       0       0       0 0.1028646
2       1       0       0 0.5081943
3       0       1       0 0.4828984
4       1       1       0 0.5197925
5       0       0       1 0.4571073
6       1       0       1 0.3219217
7       0       1       1 0.6127710
8       1       1       1 0.6029213

聚合函数计算所有可能组合的平均值。但是，在我的研究中，我还需要知道组合的结果，其中某些列可能具有任何状态。例如，V1==1 & V2==1 的所有观察值的平均值，与 V3 的内容无关。结果应如下所示，星号表示“不关心”:

  Group.1 Group.2 Group.3         x
1       *       *       * 0.1234567 (this is the mean of all rows)
2       0       *       * 0.1234567
3       1       *       * 0.1234567
4       *       0       * 0.1224567
5       *       1       * 0.1234567
[ all other possible combinations follow, should be total of 27 rows ]

有没有简单的方法可以做到这一点？

Answer 1

这里是ldply-ddply方法:

library(plyr)
ldply(list(.(V1,V2,V3),.(V1),.(V2),.()), function(y) ddply(df,y,summarise,x=mean(x)))
   V1 V2 V3         x  .id
1   0  0  0 0.1028646 <NA>
2   0  0  1 0.4571073 <NA>
3   0  1  0 0.4828984 <NA>
4   0  1  1 0.6127710 <NA>
5   1  0  0 0.5081943 <NA>
6   1  0  1 0.3219217 <NA>
7   1  1  0 0.5197925 <NA>
8   1  1  1 0.6029213 <NA>
9   0 NA NA 0.4436400 <NA>
10  1 NA NA 0.4639997 <NA>
11 NA  0 NA 0.4118793 <NA>
12 NA  1 NA 0.5362985 <NA>
13 NA NA NA 0.4566702 <NA>

本质上，您创建了一个您感兴趣的所有变量组合的列表，并使用 ldply 对其进行迭代并使用 ddply 来执行聚合。 plyr 的神奇之处在于为您将其全部放入一个紧凑的数据框中。剩下的就是删除由总均值 (.()) 引入的虚假 .id 列并替换 NA如果需要，用 "*" 分组。

要获得所有组合，您可以使用 combn 和 lapply 生成包含相关组合的列表以插入 ldply:

all.combs <- unlist(lapply(0:3,combn,x=c("V1","V2","V3"),simplify=FALSE),recursive=FALSE)
ldply(all.combs, function(y) ddply(df,y,summarise,x=mean(x)))
    .id         x V1 V2 V3
1  <NA> 0.4566702 NA NA NA
2  <NA> 0.4436400  0 NA NA
3  <NA> 0.4639997  1 NA NA
4  <NA> 0.4118793 NA  0 NA
5  <NA> 0.5362985 NA  1 NA
6  <NA> 0.4738541 NA NA  0
7  <NA> 0.4380543 NA NA  1
8  <NA> 0.3862588  0  0 NA
9  <NA> 0.5153666  0  1 NA
10 <NA> 0.4235250  1  0 NA
11 <NA> 0.5530440  1  1 NA
12 <NA> 0.3878900  0 NA  0
13 <NA> 0.4882400  0 NA  1
14 <NA> 0.5120604  1 NA  0
15 <NA> 0.4022073  1 NA  1
16 <NA> 0.4502901 NA  0  0
17 <NA> 0.3820042 NA  0  1
18 <NA> 0.5013455 NA  1  0
19 <NA> 0.6062045 NA  1  1
20 <NA> 0.1028646  0  0  0
21 <NA> 0.4571073  0  0  1
22 <NA> 0.4828984  0  1  0
23 <NA> 0.6127710  0  1  1
24 <NA> 0.5081943  1  0  0
25 <NA> 0.3219217  1  0  1
26 <NA> 0.5197925  1  1  0
27 <NA> 0.6029213  1  1  1