R中的子集，加入和计算多次重复

【问题标题】：Subsetting in R, joining and calculating multiple repetitionsR中的子集，加入和计算多次重复
【发布时间】：2011-09-30 15:01:25
【问题描述】：

这是一个示例：

> tmp
    label   value1  value2
1   aa_x_x  xx      xx
2   bc_x_x  xx      xx
3   aa_x_x  xx      xx
4   bc_x_x  xx      xx

如何计算所有重复标签的中位数（或更多，其他数据框列中的相应值），但只考虑前两个字母（即“aa_1_1”和“aa_s_3”是相同的值） ?标签列表是有限且可用的。

我已经阅读了有关aggregate、%in%、subset 和substr 的信息，但我无法编译任何有用和简单的内容。

这是我希望得到的：

> tmp.result
    label   median1 some.calculation2
1   aa      xx      xx
2   bc      xx      xx
3   aa      xx      xx
4   bc      xx      xx

非常感谢。

【问题讨论】：

标签： string r conditional-statements dataframe subset

【解决方案1】：

您是否尝试过制作新的数据框--我将其命名为tmp2--在哪里tmp2$label==substr(tmp$label,0,2)？例如，您可以从那里使用tapply(tmp2$value1,tmp2$label,mean) 来获取value1 在tmp2$label 上的聚合平均值。

使用dplyr的选项

library(dplyr)
tmp %>%
   group_by(label=sub('_.*$', '', label)) %>% 
   transmute(median1=median(value1), mean1=mean(value2))

或data.table

 library(data.table)
 setDT(tmp)[,  c('median1', 'mean1') := list(median(value1), 
    mean1= mean(value2)) , .(label=sub('_.*$', '', label))][, c(1,4:5), 
       with=FALSE]

【讨论】：

谢谢，杰克。不幸的是，我不明白解决方案。顺便说一句，我在您回复后更新了问题...
tmp2<-temp; tmp2$label<-substr(tmp2$label,0,2); median_value_1<-tapply(tmp2$value1,tmp2$label,median);