r - 使用 ddply 汇总 R 中的总和和均值

Question

我的数据框有两列用作分组键，每组需要对 17 列求和，还有一列应该取平均值。让我在另一个数据框 diamonds 上对此进行说明。来自 ggplot2 .

我知道我可以这样做:

ddply(diamonds, ~cut, summarise, x=sum(x), y=sum(y), z=sum(z), price=mean(price))

但是，虽然 3 列是合理的，但其中 17 列是 Not Acceptable 。

在研究这个时，我发现了 colwise功能，但我想出的最好的是:

cbind(ddply(diamonds, ~cut, colwise(sum, 7:9)), price=ddply(diamonds, ~cut, summarise, mean(price))[,2])

是否有可能进一步改善这一点？我想以更直接的方式来做，比如(想象的命令):

ddply(diamonds, ~cut, colwise(sum, 7:9), price=mean(price))

或者:

ddply(diamonds, ~cut, colwise(sum, 7:9), colwise(mean, ~price))

总结一下:

我不想像第一个例子那样明确地输入所有 17 列，x , y , 和 z .

理想情况下，我想通过一次调用 ddply 来完成。 ，而不诉诸 cbind (或类似功能)，如第二个示例所示。

作为引用，我期望的结果是 5 行和 5 列:

        cut         x         y        z    price
1      Fair  10057.50   9954.07  6412.26 4358.758
2      Good  28645.08  28703.75 17855.42 3928.864
3 Very Good  69359.09  69713.45 43009.52 3981.760
4   Premium  82385.88  81985.82 50297.49 4584.258
5     Ideal 118691.07 118963.24 73304.61 3457.542

Answer 1

我想建议data.table解决方案。您可以轻松地按位置或按名称预定义要操作的列，然后无论您要操作多少列，都可以重用相同的代码。

预定义列名

Sums <- 7:9
Means <- "price"

运行代码

library(data.table)
data.table(diamonds)[, c(lapply(.SD[, Sums, with = FALSE], sum),
                         lapply(.SD[, Means, with = FALSE], mean))
                     , by = cut]

#          cut         x         y        z    price
# 1:     Ideal 118691.07 118963.24 73304.61 3457.542
# 2:   Premium  82385.88  81985.82 50297.49 4584.258
# 3:      Good  28645.08  28703.75 17855.42 3928.864
# 4: Very Good  69359.09  69713.45 43009.52 3981.760
# 5:      Fair  10057.50   9954.07  6412.26 4358.758

对于您的具体示例，这可以简化为

data.table(diamonds)[, c(lapply(.SD[, 7:9, with = FALSE], sum), pe = mean(price)), by = cut]
#          cut         x         y        z       pe
# 1:     Ideal 118691.07 118963.24 73304.61 3457.542
# 2:   Premium  82385.88  81985.82 50297.49 4584.258
# 3:      Good  28645.08  28703.75 17855.42 3928.864
# 4: Very Good  69359.09  69713.45 43009.52 3981.760
# 5:      Fair  10057.50   9954.07  6412.26 4358.758