问题标签 [split-apply-combine]

我有一个由一组和 2 个值列组成的数据框，如下所示：

我想计算出 val1 > val2 的行数，按子集分割。最初，我对每个子组进行了硬编码：

自动化这个的正确方法是什么？我尝试使用该split()函数，但我无法弄清楚如何同时传入val1和val2列。

我有一个看起来与此类似的数据框：

对于Item_Id每个Location_Id类别中的每个，我想计算每对之间价格的成对相关性Item_Id。请注意，虽然我在上面的示例数据中只给出了两个唯一值，但在我的真实数据中Item_Id 却有数十个不同的值。Item_Id我尝试过使用groupby.corr()，但这似乎并没有给我想要的东西。

最终，我想要 N 个数据帧，其中 NLocation_Id是df. Item_IdN 个数据帧中的每一个都是特定Location_Id类别中所有成对组合之间价格的平方相关矩阵。因此，N 个数据帧中的每一个都将有 J 行和列，其中 J 是该Item_Id特定Location_Id组中唯一值的数量。

我需要单独对每个主题运行 ANOVA。我有一个数据框由来自 37 个主题的数据组成，我不想循环 37 次以在每个主题上分别运行 37 次方差分析。这些是我数据的前 4 行：

这是我的代码：

但我收到一条错误消息：

unique() 仅适用于向量

任何帮助表示感谢

我有一个数据框，其中一列中有一组字符串，另一列中有一个分组变量（一个字符串，但可能是一个因素）。我想要collapse数据框，以便通过分组变量将字符串折叠成元素。对于信息，然后我将使用Corpus(VectorSource(x))该向量（即，我正在折叠以创建文档）。

例如：

这将被转换为具有两个元素的字符向量，即“W”的成员和“F”的成员。我知道我可以使用：

要获得所有这些，当然只需手动创建子集（或循环）。我想知道是否有一个plyr功能（但看不到一个），我认为tapply或者by可能是我正在寻找的（在基础中），但我不清楚它们将如何在这里使用。

我不想在这里输出数据框，而是清楚地探索标记的重复项，这些方法适用于这个问题。

使用 dplyr，我想用一个我可以改变的变量来总结 [原文如此]（例如，在循环或应用样式命令中）。

直接输入名称可以正常工作：

但group_by不是为了获取字符向量而编写的，因此传递结果更难。

我将发布一个解决方案，但很想知道其他人是如何解决这个问题的。

对于 DataFrame 中的每一行数据，我想计算列中唯一值的数量，A以及B该特定行和由另一列标识的组中的参考行ID。这是一个玩具数据集：

数据如下所示：

现在，在使用定义的每个组中，ID我想将每条记录与参考记录进行比较，并且我想计算组合的唯一数A和B值。例如，我可以通过取len(set([4,4,6,12]))which 给出 3 来计算数据记录 3 的值。结果应如下所示：

我能想到实现这一点的唯一方法是使用循环遍历每个分组对象，然后循环分组对象中的每个记录，并根据参考记录计算它。这是非pythonic并且非常慢。任何人都可以建议一种矢量化方法来实现相同的目标吗？

我有一个数据集在第 1 列中有重复的名称，然后是 3 个其他数字列。

我想将重复名称的行合并到一列中，并对列中的 2 列进行求和，而将另一列单独保留。有没有一种简单的方法可以做到这一点？我一直在尝试用 sapply 和 lapply 来解决这个问题，并且在这里阅读了很多问答，但似乎找不到解决方案

数据如下所示：

我想让它看起来像这样（将第 3 列和第 4 列相加并单独留下第 1 列。我希望它看起来像这样：

任何帮助都会很棒。谢谢！

我有一个有点复杂的连接（在 SQL 意义上），我想在 Julia 中执行，但我不知道如何让它在 split-apply-combine 方法中工作（尽管它可以手动写出来）。看起来这应该很容易做到。问题看起来像这样。我有一个关于海龟赛跑的数据数据框：

我想要一个数据表，它只包含这个表的行，这些行是每只海龟的个人（turtlenal？）在他们跑的任何情况下都是最好的。我几乎可以得到我需要的东西

但我还需要匹配行的照片列。我该怎么做呢？

我正在尝试使用函数创建新变量，lapply而不是使用循环在数据中正确工作。我曾经使用过 Stata，并且会使用类似于此处讨论的方法来解决此问题。

由于在 R 中以编程方式命名变量非常困难或至少很尴尬（而且您似乎不能使用 索引assign），所以我将命名过程留到lapply. 然后我使用for循环在合并之前进行重命名，然后再次进行合并。有没有更有效的方法来做到这一点？我将如何更换循环？我应该进行某种重塑吗？

我有 97M 行的长表。每行包含一个人所采取的行动的信息和该行动的时间戳，格式如下：

每个动作都可以由一个人采取或不采取，并且可以以任何顺序采取行动。

我有兴趣总结我的数据集中的动作顺序。特别是对于每个人，我想找出首先、第二、第三和第四次采取的行动。如果多次采取行动，我只对第一次发生感兴趣。然后，如果有人跑、吃、吃、跑和睡觉，我有兴趣总结一下，比如run, eat, sleep。

我可以通过 forloop 获得我想要的东西：

是否也可以在没有循环的情况下以更有效的方式获得此结果？