Использования применить функцию к средним группам dataframe

Question

Моего dataframe:

df<-data.frame(ID = rep(c("no","bo", "fo", "to"), each = 3), matrix(sample(60), ncol = 5)) 
names(df) <- c("ID", letters[1:5]) 

я вычислил средний каждую группу наблюдения, и я использовал это:

df.n.mean <- aggregate(. ~ ID, df, function(x) c(mean = mean(x))) 

Я хотел бы знать, могу ли я использовать применять подход вместо совокупности. Это ускорит процесс?

Answer 1

Я думаю, что самая быстрая замена aggregate() будет использовать data.table

library(data.table) 
(dt <- setDT(df)[, lapply(.SD, mean), by = ID]) 
# ID   a  b  c  d  e 
# 1: no 25.000000 26.00000 24.66667 39.00000 39.66667 
# 2: bo 40.666667 25.33333 31.33333 37.00000 19.33333 
# 3: fo 5.333333 28.00000 53.33333 11.66667 29.33333 
# 4: to 30.666667 47.33333 27.00000 41.33333 28.00000 

Для ряда вычитания, мы могли бы написать функцию и использовать его с Map().

f <- function(x, y) { 
    dt[ID == x, -1, with = FALSE] - dt[ID == y, -1, with = FALSE] 
} 
rbindlist(Map(f, c("bo", "fo", "to", "to"), c("no", "no", "bo", "fo"))) 
#   a   b   c   d   e 
# 1: 15.66667 -0.6666667 6.666667 -2.000000 -20.333333 
# 2: -19.66667 2.0000000 28.666667 -27.333333 -10.333333 
# 3: -10.00000 22.0000000 -4.333333 4.333333 8.666667 
# 4: 25.33333 19.3333333 -26.333333 29.666667 -1.333333 

Существует, вероятно, лучший способ, чтобы написать функцию f() и что последний звонок в data.table и я буду стараться улучшить его, если это возможно. Обратите внимание, что этот результат не будет соответствовать вашим требованиям из-за использования sample() без установки семени.

Другой возможностью было бы сделать следующее. Это даст вам имена строк, которые вы хотите.

A <- c("bo", "fo", "to", "to") 
B <- c("no", "no", "bo", "fo") 
df2 <- as.data.frame(rbindlist(Map(f, A, B))) 
rownames(df2) <- paste(A, B, sep = "-") 
df2 
#    a   b   c   d   e 
# bo-no 15.66667 -0.6666667 6.666667 -2.000000 -20.333333 
# fo-no -19.66667 2.0000000 28.666667 -27.333333 -10.333333 
# to-bo -10.00000 22.0000000 -4.333333 4.333333 8.666667 
# to-fo 25.33333 19.3333333 -26.333333 29.666667 -1.333333 

Answer 2

Вы можете использовать пакет dplyr и функцию summarise_each заменить aggregate:

library(dplyr) 
newdf <- df %>% group_by(ID) %>% summarise_each(funs(mean)) 

который дает

 ID  a  b  c  d  e 
    (fctr) (dbl) (dbl) (dbl) (dbl) (dbl) 
1  bo 48.66667 32.00000 22.66667 33.33333 33.33333 
2  fo 19.33333 15.00000 36.66667 25.33333 23.00000 
3  no 35.00000 22.33333 37.00000 20.66667 31.00000 
4  to 41.33333 39.00000 20.33333 37.00000 37.00000 

Этот пакет, как правило, довольно быстро. Я не уверен, однако, о второй части вашего вопроса и соглашусь с предложением Ричарда.