问题标签 [split-apply-combine]

我正在做一个拆分应用组合来找到每个成员的总量。我需要的数据框应该有 14 列：MemberID, DSFS_0_1, DSFS_1_2, DSFS_2_3, DSFS_3_4, DSFS_4_5, DSFS_5_6, DSFS_6_7, DSFS_7_8, DSFS_8_9, DSFS_9_10, DSFS_10_11, DSFS_11_12, DrugCount. 但是，我没有得到第 14 个（DrugCount），知道为什么吗？变量joined输出全部 14，但是joined_grouped_add，我在其中进行聚合的函数仅返回 13。

我有一个 data.table，其中包含许多组中的许多人（有 id）。在每个组中，我想找到每个 id 组合（每对个人）。我知道如何使用拆分应用组合方法来做到这一点，但我希望 data.table 会更快。

样本数据：

拆分应用组合方法：

我最好的 data.table 尝试生成单列，而不是包含所有可能组合的两列：

提前致谢。

我在 Matlab2016 中有一个表，我想对列的分组应用一个函数。我知道 splitapply 函数可以做到这一点，但我想使用一个函数，例如tierank，其中输出是非标量的，但仍然特定于它所应用的列中的条目。
例如，我想对x列中的元素使用tierank 函数计算y列。并列排名应基于t下的组 [0,1] 。因此，分别对t值为 0 和t值为 1的元素进行排序。最好使用可以对整个表应用一次的函数。有没有办法用 splitapply 函数或任何其他函数来做到这一点？谢谢！

如何按列分组，然后计算 R 中所有其他列的平均值和标准差？

例如，考虑著名的 Iris 数据集。我想做一些类似于按物种分组的事情，然后计算花瓣/萼片长度/宽度测量值的平均值和标准差。我知道这与拆分应用组合有关，但我不确定如何从那里着手。

我能想到的：

期望的输出：

我正在尝试计算 CAGR 值，定义为（结束/开始）^（1/年数）-1。

我有一个 df，其中包含“Stock”、“date”、“Annual.Growth.Rate”列。快速注意：我试图使用滞后函数来执行此操作，但是，我无法在每只股票的开头更改递归公式。查看 dput 会更有意义：

这是预期的输出。在存量、日期和增长之前）。100 的增长并不全是以前的“滞后”。由于第一个可用日期乘以给定的起始日期，在本例中为 100，(1+.1)*100，然后后面的增长值是未来值 (110) * 下一个增长率。我可以弄清楚如何使用 dplyr 进行 CAGR，但我真的被困在 100 的增长上。

我的数据集包含product类型和purchase数量列。我希望能够从每行的实际数量中减去purchase每种类型的平均数量。productpurchase

我有一个大致像这样的数据集

我可以使用 split-apply-combine 方法来做到这一点，如下所示：

这可行，但它发生在使用%>%and的长而组织良好的链的中间dplyr。有没有办法做到这一点dplyr，这样我就可以在不破坏链条的情况下得到我需要的东西？

谢谢你。

我是编程和 python 的新手，想使用 'def' 'return' 构造将以下代码编写为函数：

我的尝试返回无效语法：

我的目标是最终使用我的 ConsecutiveID 函数，如下所示：

我正在应用拆分应用组合结构。groupby 在哪里拆分我的数据，我使用我想在 apply 中构造的函数。

我的主要问题是如何将我称之为 ConsecutiveID 的内容编写为函数。感谢您的任何帮助。

注意：这个问题确实是Split pandas dataframe string entry to separate rows的副本，但这里提供的答案更加通用和信息丰富，所以恕我直言，我选择不删除线程

我有一个具有以下格式的“数据集”：

我想通过复制每个 id 的所有值来标准化它：

我正在做的是应用 split-apply-combine 的pandas使用原则，为每个组.groupby创建一个tuple(groupby value, pd.DataFrame())

我创建了一个列来分组，它只计算行中的 id：

我复制行的方式如下：

我进展缓慢，但它确实很复杂，如果您能与此类问题分享任何最佳实践或建议，我将不胜感激。

示例：我有一个按性别划分的身高数据集。我想将高度分成低和高，其中切点被定义为平均值 - 每个性别内的 2sd。

示例数据集：

我想在一行矢量化代码中做一些事情，因为我很确定这是可能的，但是，我不知道如何编写它。我想可能有一种方法可以使用cut(),apply()和/或dplyr实现这一点。

我想处理一个列表列表。具体来说，我想通过分组变量（每个列表的第一个成员）提取每个列表的第三个成员的数据框，然后使用 mean()、median()、sd()、length() 等几个函数该组中的数据。然后输出在数据框中返回，看起来像：

所以我的问题是： 1. 为什么上述方法不起作用？2.这个感觉很笨重，有没有更高效的方法呢？