Ho voluto sommare singole colonne per gruppo e il mio primo pensiero è stato quello di utilizzare tapply
. Tuttavia, non riesco a far funzionare tapply
. È possibile utilizzare tapply
per sommare più colonne? Se no, perché no?somma più colonne per gruppo con picchetto
Ho cercato su Internet estesamente e ho trovato numerose domande simili postate nel 2008. Tuttavia, nessuna di queste domande ha avuto risposta direttamente. Invece, le risposte suggeriscono invariabilmente di usare una funzione diversa.
Di seguito è riportato un set di dati di esempio per il quale desidero sommare mele per stato, ciliegie per stato e prugne per stato. Di seguito ho compilato numerose alternative a tapply
che funzionano.
Nella parte inferiore, viene visualizzata una semplice modifica al codice sorgente tapply
che consente a tapply
di eseguire l'operazione desiderata.
Tuttavia, forse sto trascurando un modo semplice per eseguire l'operazione desiderata con tapply
. Non sto cercando funzioni alternative, sebbene siano accettate ulteriori alternative.
Data la semplicità della mia modifica al codice sorgente tapply
, mi chiedo perché, o qualcosa di simile, non sia già stato implementato.
Grazie per qualsiasi consiglio. Se la mia domanda è un duplicato, sarò felice di pubblicare la mia domanda come risposta a quell'altra domanda.
Ecco il set di dati di esempio:
df.1 <- read.table(text = '
state county apples cherries plums
AA 1 1 2 3
AA 2 10 20 30
AA 3 100 200 300
BB 7 -1 -2 -3
BB 8 -10 -20 -30
BB 9 -100 -200 -300
', header = TRUE, stringsAsFactors = FALSE)
Questo non funziona:
tapply(df.1, df.1$state, function(x) {colSums(x[,3:5])})
Le pagine di aiuto dice:
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
X an atomic object, typically a vector.
ero confuso dalla frase typically a vector
che mi ha fatto chiedere se fosse possibile utilizzare un data frame . Non sono mai stato chiaro su cosa significa atomic object
.
Qui ci sono diverse alternative a tapply
che funzionano. La prima alternativa è un work-around che combina tapply
con apply
.
apply(df.1[,c(3:5)], 2, function(x) tapply(x, df.1$state, sum))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
with(df.1, aggregate(df.1[,3:5], data.frame(state), sum))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), colSums))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
t(sapply(split(df.1[,3:5], df.1$state), function(x) apply(x, 2, sum)))
# apples cherries plums
# AA 111 222 333
# BB -111 -222 -333
aggregate(df.1[,3:5], by=list(df.1$state), sum)
# Group.1 apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
by(df.1[,3:5], df.1$state, colSums)
# df.1$state: AA
# apples cherries plums
# 111 222 333
# ------------------------------------------------------------
# df.1$state: BB
# apples cherries plums
# -111 -222 -333
with(df.1,
aggregate(x = list(apples = apples,
cherries = cherries,
plums = plums),
by = list(state = state),
FUN = function(x) sum(x)))
# state apples cherries plums
# 1 AA 111 222 333
# 2 BB -111 -222 -333
lapply(split(df.1, df.1$state), function(x) {colSums(x[,3:5])})
# $AA
# apples cherries plums
# 111 222 333
#
# $BB
# apples cherries plums
# -111 -222 -333
Ecco il codice sorgente per tapply
tranne che ho cambiato la linea:
nx <- length(X)
a:
nx <- ifelse(is.vector(X), length(X), dim(X)[1])
Questa versione modificata del tapply
esegue l'operazione desiderata:
my.tapply <- function (X, INDEX, FUN = NULL, ..., simplify = TRUE)
{
FUN <- if (!is.null(FUN)) match.fun(FUN)
if (!is.list(INDEX)) INDEX <- list(INDEX)
nI <- length(INDEX)
if (!nI) stop("'INDEX' is of length zero")
namelist <- vector("list", nI)
names(namelist) <- names(INDEX)
extent <- integer(nI)
nx <- ifelse(is.vector(X), length(X), dim(X)[1]) # replaces nx <- length(X)
one <- 1L
group <- rep.int(one, nx) #- to contain the splitting vector
ngroup <- one
for (i in seq_along(INDEX)) {
index <- as.factor(INDEX[[i]])
if (length(index) != nx)
stop("arguments must have same length")
namelist[[i]] <- levels(index)#- all of them, yes !
extent[i] <- nlevels(index)
group <- group + ngroup * (as.integer(index) - one)
ngroup <- ngroup * nlevels(index)
}
if (is.null(FUN)) return(group)
ans <- lapply(X = split(X, group), FUN = FUN, ...)
index <- as.integer(names(ans))
if (simplify && all(unlist(lapply(ans, length)) == 1L)) {
ansmat <- array(dim = extent, dimnames = namelist)
ans <- unlist(ans, recursive = FALSE)
} else {
ansmat <- array(vector("list", prod(extent)),
dim = extent, dimnames = namelist)
}
if(length(index)) {
names(ans) <- NULL
ansmat[index] <- ans
}
ansmat
}
my.tapply(df.1$apples, df.1$state, function(x) {sum(x)})
# AA BB
# 111 -111
my.tapply(df.1[,3:4] , df.1$state, function(x) {colSums(x)})
# $AA
# apples cherries
# 111 222
#
# $BB
# apples cherries
# -111 -222