问题标签 [tapply]

我目前有一个看起来像这样的数据框...

每行代表该球队当年的一名球员。所以第一行意味着阿拉巴马州的一名球员在 2012-2013 赛季场均得到 2.5 分。数据框比这长得多，有更多的团队，并且持续到 1997-1998 年。我想知道如何找出每所学校每年平均有多少球员在 0-4、4.1-9、9.1-14 和 >14.1 之间。换句话说，对于 2012-2013 年，阿拉巴马州在这 4 个类别中平均有多少球员。但是对于阿拉巴马州和其他相关学校，我每年都需要这些数字。我认为应该使用某种形式的应用函数，但我不确定。

我正在使用该tapply函数来获取另一个变量的变量计数。这是代码行：tapply(vip$VAR1,vip$VAR2,length)

但是，我想只过滤值为“1”的观察值vip$VAR1，我可以这样做tapply吗？

说我用这段代码生成一个数据

所以现在我有这样的东西

我将如何获取一个月内给定日期的平均值？

所以在这种情况下，我希望我的输出看起来像这样......

我非常感谢您的帮助谢谢:)

我有以下代码

我想让它显示为

如何在 R 中完成？

以下是失败的调用、错误消息和一些显示有问题的长度：

我问这个问题是这个问题的后续，@alexis_laz 以非常简洁的方式回答了这个问题。不幸的是，他的方法（包括创建一个带有零负载的长数据框）数据过于密集，现在原始数据集已经急剧扩展。

基本问题就是这个。考虑一个具有三列 x、y、z 的数据框。我正在寻找与每个 y 的最低 x 值相关联的 z 和 x 的值。理想的输出将是y[i]_x[i]_z[i]具有 i 相关行号的类型的字符串。

这是一个可重现的示例 set.seed(1)

所需的输出（我通过简单地订购 df 和滚动找到）：

df <- df[order(y,x,z),]

1. 对于 y = A, min(x) = 2, with z = 313 => 期望的结果（NAs 可以被丢弃）应该是paste0(y,"_",x,"_",z)这样的 A_1_313
2. 对于 y = B，min(x) = 2，z = 782、6008 或 7230 => 所需的结果将给我所有三个字符串，因此 B_2_782、B_2_6008 和 B_2_7230
3. 对于 y = F, min(x) = 3，这个最小值与 5 个不同的 z 值（4114、4712、5336、7234、7520）相关联，所以我想得到五个字符串......

我不希望在真实数据集中的任何地方都有超过 5 个字符串作为输出。如前所述，@alexis_laz 为几乎相同的问题（我也问过）提供了一个解决方案，但该解决方案需要创建一个超过我的计算机能力的数据帧（>2.4GB 数据帧，6.5 亿行），因为我的数据集已经从37 到 15000 家公司 :)

提前致谢！

PS：我一直在寻找使用max.col,which.max结合的解决方案，tapply但到目前为止没有一个对我有用。似乎像tapply(x,y,which.min)简单地返回有序 df 中的 1 列表，因为 which.min 返回向量/矩阵中的位置，该位置在 tapply 函数中始终为 1。因此，使用tapply但返回 df 行数的东西将是工作的 99%。

希望创建一个函数。

我想在给定组中添加观察的出现次数（例如 5、5 次出现 2 次）。一周内相同的天数将按业务相加。总和值将在新行“总出现次数”中。

tapply 或 plyr 可以解决这个问题，但是我遇到了一些细微差别。

谢谢！

我正在尝试根据另一个变量“Period”获取单个组“Actrl”的电话处理时间“Handle”的平均“ctrlmeans”。然后，我想通过从数据框中每个人的“句柄”中减去该平均值来创建一个新变量“差异”。

这是我所做的：

我的命令：

为什么我会得到 NA？

如果我在 tapply 命令“队列”中包含一个额外的分组变量，我将如何做到这一点？

这实际上是我几周前在这里发布的另一个问题的后续，并得到了答案。

在我最初的问题中，我想找到数据集中径流事件之间的天数。如下面的数据样本所示：

我设法使用以下代码解决了这个问题：

这一切都适用于单个数据集，即一组的一个时间序列。然而，我现在正在苦苦挣扎的是如何根据分组变量（Soil）操作上述代码以对同一 data.table 中的多个时间序列数据集执行相同的操作，例如：

目前，如果我运行代码，它不会区分不同的土壤类型，因此不会在每个时间序列之后“重新启动”排序。

从周围阅读看来，我可能需要将lapply()原始代码替换为by(). 我认为只要rle()首先根据土壤进行分组，这将起作用，但我找不到任何这样做的方法。

因此，请提供任何帮助！

我期待在这两次运行之间看到相同的结果，但它们是不同的。让我质疑我是否真的了解 dplyr 代码的工作原理（我已经阅读了几乎所有关于 dplyr 的包和在线信息）。谁能解释为什么结果不同，或者如何获得相似的结果？

更新：我认为这不是最有效的方法，但以下代码给出了与 tapply 方法匹配的结果。根据 Hadley 的建议，我逐行检查了结果，这是我使用 dplyr 能想到的最好的结果

更新：出于某种原因，我认为我必须对我想要分析的所有变量进行分组，这就是将事情推向错误方向的原因。这就是我所需要的，它更接近包中的示例。