0

下面是我相当大的表的一部分，称为“输入”：

        [,1]     [,2]   [,3]             
[7146,] 20100324 7.70   4.0000000
[7147,] 20100324 2.22   0.0000000
[7148,] 20100325 2.12   0.0000000
[7149,] 20100326 2.29   0.0000000
[7150,] 20100327 2.10   0.0000000
[7151,] 20100328 2.26   2.0000000
[7152,] 20100328 2.01   1.6000000
[7153,] 20100328 2.17   0.0000000
[7154,] 20100329 1.92   0.0000000
[7155,] 20100330 2.15   0.0000000

我想做的是如下：

我想聚合具有相同日期的行（日期在列 [,1] 中说明）并将列 [,2] 和 [,3] 中这些行的值相加除以聚合的行数。

输出将是这样的：

        [,1]  [,2]   [,3]             
[1,] 20100324 4.96   2.0000000 # e.g: [1,2] = (input[7146,2] + input[7147,2])/2 = (7.70 
[2,] 20100325 2.12   0.0000000                + 2.22)/2 = 4.96 
[3,] 20100326 2.29   0.0000000
[4,] 20100327 2.10   0.0000000
[5,] 20100328 2.15   1.2000000
[6,] 20100329 1.92   0.0000000
[7,] 20100330 2.15   0.0000000

非常感谢您的帮助！

4

1 回答 1

2

您的样本数据

df<-read.table(text="           
 20100324 7.70   4.0000000
 20100324 2.22   0.0000000
 20100325 2.12   0.0000000
 20100326 2.29   0.0000000
 20100327 2.10   0.0000000
 20100328 2.26   2.0000000
 20100328 2.01   1.6000000
 20100328 2.17   0.0000000
 20100329 1.92   0.0000000
 20100330 2.15   0.0000000")

一种方法是使用函数ddply()，然后计算colMeans()除第一列之外的每一列，即用于拆分数据。

library(plyr)
ddply(df,.(V1),colMeans)
        V1       V2  V3
1 20100324 4.960000 2.0
2 20100325 2.120000 0.0
3 20100326 2.290000 0.0
4 20100327 2.100000 0.0
5 20100328 2.146667 1.2
6 20100329 1.920000 0.0
7 20100330 2.150000 0.0

使用 可以达到相同的结果aggregate()。

aggregate(.~V1,data=df,mean)
        V1       V2  V3
1 20100324 4.960000 2.0
2 20100325 2.120000 0.0
3 20100326 2.290000 0.0
4 20100327 2.100000 0.0
5 20100328 2.146667 1.2
6 20100329 1.920000 0.0
7 20100330 2.150000 0.0

第三种选择是利用 package 的优势data.table，特别是如果你有大数据框。

 library(data.table)
#Convert your data frame to data table and set column V1 as key.
 dt<-data.table(df,key="V1")
#Calculate mean for each column .SD means subset of your data table
 dt[,lapply(.SD,mean),by=V1]
         V1       V2  V3
1: 20100324 4.960000 2.0
2: 20100325 2.120000 0.0
3: 20100326 2.290000 0.0
4: 20100327 2.100000 0.0
5: 20100328 2.146667 1.2
6: 20100329 1.920000 0.0
7: 20100330 2.150000 0.0
于 2013-04-30T09:43:31.700 回答