展平/非规范化 R 聚合函数的结果答案

【问题标题】：Flatten/denormalize the result of the R aggregate function展平/非规范化 R 聚合函数的结果
【发布时间】：2013-02-16 13:34:27
【问题描述】：

我对 R 相当陌生，我正在尝试使用 aggregate 对数据帧、每个主题和我的数据集中的每个指标执行一些时间序列整形。这很好用，但我发现结果不是很容易使用的格式。我希望能够将结果转换回与原始数据框相同的格式。

以鸢尾花数据集为例：

# Split into two data frames, one for metrics, the other for grouping
iris_species = subset(iris, select=Species)
iris_metrics = subset(iris, select=-Species)
# Compute diff for each metric with respect to its species
iris_diff = aggregate(iris_metrics, iris_species, diff)

我只是使用diff 来说明我有一个塑造时间序列的函数，因此我得到了一个可能不同长度的时间序列，并且绝对不是一个聚合值（例如平均值）。

我想将结果转换为原始的“平面”数据框，这似乎是一个矩阵，其中列出了值单元格。

我很好奇如何使用来自 aggregate 的结果来管理这个问题，但我可以使用在 plyr 或 reshape 中执行所有操作的解决方案。

【问题讨论】：

你说的是时间序列..你举了一个基于iris的例子？！你聚合使用差异？理由是什么..最好使用时间序列包之一（动物园，xts，..）！真的我不明白你想做什么。（我至少读了3次你的问题）
@agstudy，我认为这个问题有点与aggregate 的行为有关，如果你给它一个像summary 或fivenum 之类的函数否则将返回多于一列。在这种情况下，结果看起来类似于多列data.frame，但实际上是matrix 作为data.frame 中的一列。因此，do.call(data.frame, ...) 应该可以“展平”输出。
@AnandaMahto 谢谢。我明白你的意思。

标签： r aggregate plyr reshape

【解决方案1】：

在这种情况下我能想到的最佳解决方案是data.table：

require(data.table)
dt <- data.table(iris, key="Species")
dt.out <- dt[, lapply(.SD, diff), by=Species]

如果你想要一个plyr 解决方案，那么这个想法基本上是一样的。按Species 拆分并将diff 应用于每一列。

require(plyr)
ddply(iris, .(Species), function(x) do.call(cbind, lapply(x[,1:4], diff)))

【讨论】：

投反对票的人能否解释一下原因，以便我尝试纠正它？？

【解决方案2】：

您可能知道，aggregate 一次只处理一列。需要一个值，如果返回长度不同于 1 的向量，就会发生奇怪的事情。

您可以将其与by 拆分以获取数据（比iris 中的行少）并将其重新组合在一起：

b <- by(iris_metrics, iris_species, FUN=function(x) diff(as.matrix(x)))
do.call(rbind, lapply(names(b), function(x) data.frame(Species=x, b[[x]])))

diff(as.matrix) 用于矩阵（但不适用于数据帧）。关键是该函数返回的行数与iris 中的每个Species 中的行数不同。

【讨论】：

【解决方案3】：

如果您想返回某种与输入向量长度相同的一阶差分向量，您应该使用 ave 和匿名函数来执行此操作。由于diff 返回一个不同长度的向量，因此您需要使用 NA（或您选择的标记）对其进行扩展。

iris_diff = lapply(iris_metrics, 
        function(xx) ave(xx, iris_species, FUN=function(x) c(NA, diff(x) ) )  )
str(iris_diff)
#--------------
List of 4
 $ Sepal.Length: num [1:150] NA -0.2 -0.2 -0.1 0.4 ...
 $ Sepal.Width : num [1:150] NA -0.5 0.2 -0.1 0.5 0.3 -0.5 0 -0.5 0.2 ...
 $ Petal.Length: num [1:150] NA 0 -0.1 0.2 -0.1 ...
 $ Petal.Width : num [1:150] NA 0 0 0 0 0.2 -0.1 -0.1 0 -0.1 ...

如果您希望将其作为数据框，只需将 data.frame 包裹起来即可。包含原始分组向量是个好主意：

iris_diff <- data.frame( Species= iris_species, iris_diff)
str(iris_diff)
#------
'data.frame':   150 obs. of  5 variables:
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ Sepal.Length: num  NA -0.2 -0.2 -0.1 0.4 ...
 $ Sepal.Width : num  NA -0.5 0.2 -0.1 0.5 0.3 -0.5 0 -0.5 0.2 ...
 $ Petal.Length: num  NA 0 -0.1 0.2 -0.1 ...
 $ Petal.Width : num  NA 0 0 0 0 0.2 -0.1 -0.1 0 -0.1 ...

【讨论】：

【解决方案4】：

以下是我对您的问题的理解：使用您当前使用 aggregate 的方法，您会得到一个 matrix 来表示“Sepal.Length”、“Sepal.Width”等的结果。

> str(iris_diff)
'data.frame':   3 obs. of  5 variables:
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 2 3
 $ Sepal.Length: num [1:3, 1:49] -0.2 -0.6 -0.5 -0.2 0.5 ...
 $ Sepal.Width : num [1:3, 1:49] -0.5 0 -0.6 0.2 -0.1 0.3 -0.1 -0.8 -0.1 0.5 ...
 $ Petal.Length: num [1:3, 1:49] 0 -0.2 -0.9 -0.1 0.4 ...
 $ Petal.Width : num [1:3, 1:49] 0 0.1 -0.6 0 0 0.2 0 -0.2 -0.3 0 ...

但是，在您的控制台中，它显示为 看起来 类似于具有 197 列的 data.frame。

您想将“iris_diff”转换为具有 197 列的 data.frame。以下是如何使用现有输出来做到这一点（我从@James，here on SO 那里学到的一个技巧）：

do.call(data.frame, iris_diff)

以下是我们查看该操作的str 时输出的前几行：

> str(do.call(data.frame, iris_diff))
'data.frame':   3 obs. of  197 variables:
 $ Species        : Factor w/ 3 levels "setosa","versicolor",..: 1 2 3
 $ Sepal.Length.1 : num  -0.2 -0.6 -0.5
 $ Sepal.Length.2 : num  -0.2 0.5 1.3
 $ Sepal.Length.3 : num  -0.1 -1.4 -0.8
 $ Sepal.Length.4 : num  0.4 1 0.2
 $ Sepal.Length.5 : num  0.4 -0.8 1.1
 $ Sepal.Length.6 : num  -0.8 0.6 -2.7
 $ Sepal.Length.7 : num  0.4 -1.4 2.4
 $ Sepal.Length.8 : num  -0.6 1.7 -0.6
 $ Sepal.Length.9 : num  0.5 -1.4 0.5
 $ Sepal.Length.10: num  0.5 -0.2 -0.7

【讨论】：