3

3 つのカテゴリで data.frame を集約したいと思いますが、そのうちの 1 つが異なります。残念ながら、この 1 つの異なるカテゴリには NA が含まれています (実際には、これが変更する必要がある理由です)。ということで、リストを作成しましたdata.frames。このリスト内のすべての data.frame には、3 つの変数に関する完全なケースのみが含まれています (変化する変数は 1 つだけです)。

これを再現しましょう:

library(plyr)

mydata <- warpbreaks
names(mydata) <- c("someValue","group","size")
mydata$category <- c(1,2,3)
mydata$categoryA <- c("A","A","X","X","Z","Z")
# add some NA
mydata$category[c(8,10,19)] <- NA
mydata$categoryA[c(14,1,20)] <- NA 

# create a list of dfs that contains TRUE FALSE
noNAList <- function(vec){
res <- !is.na(vec)
return(res)
}

testTF <- lapply(mydata[,c("category","categoryA")],noNAList)

# create a list of data.frames
selectDF <- function(TFvec){
res <- mydata[TFvec,]
return(res)
}

# check x and see that it may contain NAs as long
# as it's not in one of the 3 categories I want to aggregate over    
x <-lapply(testTF,selectDF)

## let's ddply get to work
doddply <- function(df){
ddply(df,.(group,size),summarize,sumTest = sum(someValue))
}

y <- lapply(x, doddply);y

y私が得たいものに非常に近い

$category
group size sumTest
1     A    L     375
2     A    M     198
3     A    H     185
4     B    L     254
5     B    M     259
6     B    H     169

$categoryA
group size sumTest
1     A    L     375
2     A    M     204
3     A    H     200
4     B    L     254
5     B    M     259
6     B    H     169

しかし、3 番目の可変変数 (この場合は と ) に対する集計を実装する必要がありcategoryますcategoryA。と同じように：

group size category sumTest sumTestTotal      
1      A    H        1      46          221 
2      A    H        2      46          221 
3      A    H        3      93          221

など。名前 (x) を lapply に追加するにはどうすればよいですか? またはここにループまたは環境が必要ですか?

編集:カテゴリまたはカテゴリAのいずれかをミックスに追加することに注意してください。実際には、相互に排他的なカテゴリ変数が約 15 あります。

4

4 に答える 4

4

私があなたの質問を正しく理解していれば、あなたは自分自身でこれを本当に難しくしていると思います.

data.frame 'myData' を 3 つ (または 4 つ) の変数で集計する場合は、次のようにします。

aggregate(someValue ~ group + size + category + categoryA, sum, data=mydata)

   group size category categoryA someValue
1      A    L        1         A        51
2      B    L        1         A        19
3      A    M        1         A        17
4      B    M        1         A        63

aggregateNAいずれかのカテゴリに含まれる行を自動的に削除します。someValue が時々NAの場合、パラメーター na.rm=T を追加できます。

また、多くの不要なコードを関数に入れていることにも気付きました。例えば：

# create a list of data.frames
selectDF <- function(TFvec){
    res <- mydata[TFvec,]
    return(res)
}

次のように記述できます。

selectDF <- function(TFvec) mydata[TFvec,]

また、 を使用lapplyせずに 2 つのデータ フレームのリストを作成するのNAはやり過ぎです。このコードを試してください：

x = list(mydata[!is.na(mydata$category),],mydata[!is.na(mydata$categoryA),])
于 2012-01-18T17:32:21.130 に答える
3

質問が明示的に解決策を要求していることは知っていddply()/lapply()ます。

しかし...もしあなたがダークサイドに行きたがっているのなら、ここdata.table()にトリックを行うベースの関数があります:

# Convert mydata to a data.table
library(data.table)
dt <- data.table(mydata, key = c("group", "size"))

# Define workhorse function
myfunction <- function(dt, VAR) {
    E <- as.name(substitute(VAR))
    dt[i = !is.na(eval(E)), 
       j = {n <- sum(.SD[,someValue]) 
            .SD[, list(sumTest = sum(someValue),
                       sumTestTotal = n,
                       share = sum(someValue)/n), 
                by = VAR]
           }, 
       by = key(dt)]
}

# Test it out
s1 <- myfunction(dt, "category")
s2 <- myfunction(dt, "categoryA")

編集時に追加

さまざまなカテゴリ変数のベクトルに対してこれを実行する方法は次のとおりです。

catVars <- c("category", "categoryA")

ll <- lapply(catVars, 
             FUN = function(X) {
                       do.call(myfunction, list(dt, X))
                   })
names(ll) <- catVars

lapply(ll, head, 3)
# $category
#      group size category sumTest sumTestTotal     share
# [1,]     A    H        2      46          185 0.2486486
# [2,]     A    H        3      93          185 0.5027027
# [3,]     A    H        1      46          185 0.2486486
# 
# $categoryA
#      group size categoryA sumTest sumTestTotal share
# [1,]     A    H         A      79          200 0.395
# [2,]     A    H         X      68          200 0.340
# [3,]     A    H         Z      53          200 0.265
于 2012-01-18T19:17:57.440 に答える
1

最後に、Josh ほど巧妙ではないかもしれないが、暗黒の力なしで機能する解決策を見つけました (data.table)。あなたは笑うかもしれません – これは質問と同じサンプルデータを使った私の再現可能な例です。

qual <- c("category","categoryA")

# get T / F vectors
noNAList <- function(vec){
res <- !is.na(vec)
return(res)
}

selectDF <- function(TFvec) mydata[TFvec,]

NAcheck <- lapply(mydata[,qual],noNAList)

# create a list of data.frames
listOfDf <- lapply(NAcheck,selectDF)

workhorse <- function(charVec,listOfDf){
dfs <- list2env(listOfDf)
# create expression list
exlist <- list()
for(i in 1:length(qual)){
exlist[[qual[i]]] <- parse(text=paste("ddply(",qual[i],
                                  ",.(group,size,",qual[i],"),summarize,sumTest =    sum(someValue))",
                                  sep=""))
}

res <- lapply(exlist,eval,envir=dfs)
return(res)

}
于 2012-01-19T11:10:12.953 に答える
0

これはあなたが意味するものにもっと似ていますか？あなたの例は非常に理解しにくいと思います。以下のコードでは、メソッドは任意の列を取り、それによって集計できます。someValue の複数の集計関数を返すことができます。次に、集計するすべての列名を見つけて、そのベクトルに関数を適用します。

# Build a method to aggregate by column.
agg.by.col = function (column) {
    by.list=list(mydata$group,mydata$size,mydata[,column])
    names(by.list) = c('group','size',column)
    aggregate(mydata$someValue, by=by.list, function(x) c(sum=sum(x),mean=mean(x)))
}

# Find all the column names you want to aggregate by
cols = names(mydata)[!(names(mydata) %in% c('someValue','group','size'))]

# Apply the method to each column name.
lapply (cols, agg.by.col)
于 2012-01-18T20:23:50.117 に答える