Question

我有一个包含两列以上的数据框。

d <- data.frame(
    a=c(1, 1, 2, 2), 
    b=c(T, T, T, F), 
    c=c(0, 0.25, 0.5, 0.75),
    d=c("a", "b", "c", "d")
)

我想对＆＃34; d＆＃34;的行进行分组。通过列＆＃34; a＆＃34;和＆＃34; b＆＃34;，然后对列进行操作＆＃34; c＆＃34;和＆＃34; d＆＃34;。但是，当我使用by时，我会得到对应于未出现在＆＃34; d＆＃34;中的组合的空条目。

by(d, list(d$a, d$b), nrow)

# : 1
# : FALSE
# [1] NA
# ------------------------------------------------------------ 
# : 2
# : FALSE
# [1] 1
# ------------------------------------------------------------ 
# : 1
# : TRUE
# [1] 2
# ------------------------------------------------------------ 
# : 2
# : TRUE
# [1] 1

我想要的是没有空单元格对应于a = 1且b = FALSE：

的结果

# : 2
# : FALSE
# [1] 1
# ------------------------------------------------------------ 
# : 1
# : TRUE
# [1] 2
# ------------------------------------------------------------ 
# : 2
# : TRUE
# [1] 1

在这个例子中，我只是使用nrow，但实际上我需要＆＃34; c＆＃34;和＆＃34; d＆＃34;对于该函数，我真的需要by而不是tapply（尽管如果有人知道如何使用tapply执行此操作，那也是受欢迎的）。我不想在事后过滤by对象，因为我的数据非常大。

Answer 1

将interaction与drop=TRUE：

一起使用

by(d, list(group=interaction(d$a,d$b,drop=TRUE)), nrow)

#group: 2.FALSE
#[1] 1
#------------------------------------------------------ 
#group: 1.TRUE
#[1] 2
#------------------------------------------------------- 
#group: 2.TRUE
#[1] 1

Answer 2

这给出了一个数据帧，除了NA单元之外，每个单元有一行。 bb是by：

的结果

> na.omit(as.data.frame.table(bb))
  a     b Freq
2 2 FALSE    1
3 1  TRUE    2
4 2  TRUE    1

这是否适用于其他功能取决于它们返回的内容。

在评论中，海报澄清说他们不想减少by的结果，而是取代by。在这种情况下，请尝试aggregate：

ix <- 1:nrow(d)
aggregate(ix ~ a+b, d, function(ix) nrow(d[ix, ]))

，并提供：

  a     b ix
1 2 FALSE  1
2 1  TRUE  2
3 2  TRUE  1

在这种特殊情况下，我们可以使用length来代替函数，但是我们以这种形式显示它，因为它依赖于d[ix, ]因此可能是任意复杂的并且可能取决于任何或所有列。

Answer 3

您可以将data.table用于大数据集

 library(data.table)
  setDT(d)[, .N, by=list(a,b)]
  #   a     b N
  #1: 1  TRUE 2
  #2: 2  TRUE 1
  #3: 2 FALSE 1

或者

  setorder(setDT(d), a,b) #would be faster
  d[, .N, by=list(a,b)]
  #   a     b N
  #1: 1  TRUE 2
  #2: 2 FALSE 1
  #3: 2  TRUE 1

使用＆＃34;＆＃34;删除空组合。在R

3 个答案: