R:在使用基础 R 添加新计数列的同时聚合数据

Question

这个问题在这里已经有了答案:





Apply several summary functions on several variables by group in one call

(7 个回答)


上个月关闭。




我想聚合一个数据框，同时添加一个新列 (N)，该列在基数 R 中计算分组变量的每个值的行数。

这在 dplyr 中是微不足道的:

library(dplyr)
data(iris)

combined_summary <- iris %>% group_by(Species) %>% group_by(N=n(), add=TRUE) %>% summarize_all(mean)

> combined_summary
# A tibble: 3 x 6
# Groups:   Species [3]
  Species        N Sepal.Length Sepal.Width Petal.Length Petal.Width
  <fct>      <int>        <dbl>       <dbl>        <dbl>       <dbl>
1 setosa        50         5.01        3.43         1.46       0.246
2 versicolor    50         5.94        2.77         4.26       1.33 
3 virginica     50         6.59        2.97         5.55       2.03 

然而，不幸的是，我不得不在不允许使用包的环境中编写此代码(不要问；这不是我的决定)。所以我需要一种在基础 R 中做到这一点的方法。

我可以在基础 R 中以冗长的方式进行，如下所示:

# First create the aggregated tables separately
summary_means <- aggregate(. ~ Species, data=iris, FUN=mean)
summary_count <- aggregate(Sepal.Length ~ Species, data=iris[, c("Species", "Sepal.Length")], FUN=length)

> summary_means
     Species Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa        5.006       3.428        1.462       0.246
2 versicolor        5.936       2.770        4.260       1.326
3  virginica        6.588       2.974        5.552       2.026

> summary_count
     Species Sepal.Length
1     setosa           50
2 versicolor           50
3  virginica           50

# Then rename the count column
colnames(summary_count)[2] <- "N"

> summary_count
     Species  N
1     setosa 50
2 versicolor 50
3  virginica 50

# Finally merge the two dataframes
combined_summary_baseR <- merge(x=summary_count, y=summary_means, by="Species", all.x=TRUE)

> combined_summary_baseR
     Species  N Sepal.Length Sepal.Width Petal.Length Petal.Width
1     setosa 50        5.006       3.428        1.462       0.246
2 versicolor 50        5.936       2.770        4.260       1.326
3  virginica 50        6.588       2.974        5.552       2.026

有没有办法在基础 R 中以更有效的方式做到这一点？

Answer 1

这是使用单个 by 的基本 R 选项调用(聚合)

do.call(rbind, by(
    iris[-ncol(iris)], iris[ncol(iris)], function(x) c(N = nrow(x), colMeans(x))))
#            N Sepal.Length Sepal.Width Petal.Length Petal.Width
#setosa     50        5.006       3.428        1.462       0.246
#versicolor 50        5.936       2.770        4.260       1.326
#virginica  50        6.588       2.974        5.552       2.026

使用 colMeans确保列名被传递以避免额外的 setNames称呼。

更新

为了回应您的评论，将行名称作为单独的列需要一个额外的步骤。

d <- do.call(rbind, by(
    iris[-ncol(iris)], iris[ncol(iris)], function(x) c(N = nrow(x), colMeans(x))))
cbind(Species = rownames(d), as.data.frame(d))

不如最初的 by简洁称呼。我认为我们在这里发生了哲学冲突。在 dplyr (和 tidyverse )行名称通常被避免，以符合“整理数据”的原则。在基本 R 中，行名称很常见，并且(或多或少)一致地通过数据操作进行。所以在某种程度上，您要求混合使用 dplyr (tidy) 和基本的 R 数据结构概念，这可能不是最佳/稳健的方法。