2

我有一个 20 列的 data.frame。前两个是因子，其余是数字。我想将前两列用作拆分变量，然后将其mean()应用于其余列。

这似乎是一项快速而简单的工作ddply()，但是，输出 data.frame 的结果并不是我想要的。这是一个只有一列数据的最小示例：

Aa <- c(rep(c("A", "a"), each = 20))
Bb <- c(rep(c("B", "b", "B", "b"), each = 10))
x <- runif(40)
df1 <- data.frame(Aa, Bb, x)

ddply(df1, .(Aa, Bb), mean)

输出是：

  Aa Bb         x
1 NA NA 0.5193275
2 NA NA 0.4491907
3 NA NA 0.4848128
4 NA NA 0.4717899
Warning messages:
1: In mean.default(X[[1L]], ...) :
  argument is not numeric or logical: returning NA

警告重复 8 次，大概每次调用mean(). 我猜这来自试图取一个因素的平均值。我可以这样写：

ddply(df1, .(Aa, Bb), function(df1) mean(df1$x))

或者

ddply(df1, .(Aa, Bb), summarize, x = mean(x))

两者都有效（不给出 NA），但我宁愿避免写出 18 个这样x = mean(x)的语句，每个数字列都有一个。

有没有通用的解决方案？ddply如果在其他地方有更好的答案，我不同意。

4

2 回答 2

6

由于您正在减少行数，因此您需要使用summarise：

> ddply(df1, .(Aa, Bb), summarise, mean_x =mean(x) )
  Aa Bb    mean_x
1  a  b 0.3790675
2  a  B 0.4242922
3  A  b 0.5622329
4  A  B 0.4574471

在这种情况下使用聚合同样容易。假设您有两个变量：

> aggregate(df1[-(1:2)], df1[1:2], mean)
  Aa Bb         x         y
1  a  b 0.4249121 0.4639192
2  A  b 0.6127175 0.4639192
3  a  B 0.4522292 0.4826715
4  A  B 0.5201965 0.4826715
于 2011-03-26T22:02:16.577 回答
2

ddply也支持负索引：

ddply(df1, .(Aa, Bb), function(x) mean(x[-(1:2)]))
于 2011-03-27T17:11:19.623 回答