使用 R 的应用函数之一简化代码

Question

我找不到令人满意的教程来解释我如何使用应用函数的所有可能性。我仍然是一个新手，但这通常可以派上用场并显着简化我的代码。所以这是我的例子...... 我有一个如下所示的数据框：

> head(p01)
   time key dwell
1   8.13   z  0.00
3   8.13   x  1.25
5   9.38   l  0.87
7  10.25   x  0.15
9  10.40   l  1.13
11 11.53   x  0.45

将其放入 R：

p01 <- structure(list(time = c(8.13, 8.13, 9.38, 10.25, 10.4, 11.53), 
key = c("z", "x", "l", "x", "l", "x"), dwell = c(0, 1.25, 
0.869, 0.15, 1.13, 0.45)), .Names = c("time", "key", "dwell"), row.names = c(1L, 3L, 5L, 7L, 9L, 11L), class = "data.frame")

现在我想统计每个字母在p01$key 中出现的次数，并在p01$occurences 中打印出来，结果如下：

    time key dwell occurences
1   8.13   z  0.00          1
3   8.13   x  1.25          3
5   9.38   l  0.87          2
7  10.25   x  0.15          3
9  10.40   l  1.13          2
11 11.53   x  0.45          3

我现在的做法是：

p01[p01$key == "l", "occurences"] <- table(p01$key)["l"]
p01[p01$key == "x", "occurences"] <- table(p01$key)["x"]
p01[p01$key == "z", "occurences"] <- table(p01$key)["z"]

...这当然不是最好的解决方案。特别是因为真实数据在p01$key（16 个不同字母之一）中包含更多可能性。

除此之外，我想计算每个字母的总数 dwell，所以我现在要做的是：

p01[p01$key == "l", "total_dwell"] <- tapply(p01$dwell, p01$key, sum)["l"]
p01[p01$key == "x", "total_dwell"] <- tapply(p01$dwell, p01$key, sum)["x"]
p01[p01$key == "z", "total_dwell"] <- tapply(p01$dwell, p01$key, sum)["z"]

为了得到：

    time key dwell total_dwell
1   8.13   z  0.00        0.00
3   8.13   x  1.25        1.85
5   9.38   l  0.87        2.00
7  10.25   x  0.15        1.85
9  10.40   l  1.13        2.00
11 11.53   x  0.45        1.85

在过去的 6 个小时里，我一直在谷歌上搜索并浏览了几本书。非常感谢一个优雅的解决方案和/或一些综合教程的链接。 我的解决方案显然有效，但这不是我第一次必须解决这样的问题，而且我的脚本文件开始看起来很荒谬！

Answer 1

你自然可以用 tapply 解决这个问题。 请注意，这些会创建一个新对象 p01.summary，而不是添加到您的对象 p01。 另一行代码可以解决这个问题

p01.summary = with(p01, cbind(occurences=table(key),total.dwell=tapply(dwell,key,sum)))

或

p01.summary = with(p01, do.call(rbind,tapply(dwell,key,function(KEY){
   data.frame(occurence=length(KEY),total.dwell= sum(KEY))
}) ))

Answer 2

如果您的数据集很大，请尝试 data.table。

library(data.table)
DT <- data.table(p01)
DT[,occurences:=.N,by=key]
DT[,total_dwell:=sum(dwell),by=key]

    time key dwell occurences total_dwell
1:  8.13   z 0.000          1       0.000
2:  8.13   x 1.250          3       1.850
3:  9.38   l 0.869          2       1.999
4: 10.25   x 0.150          3       1.850
5: 10.40   l 1.130          2       1.999
6: 11.53   x 0.450          3       1.850

---

通过引用分配的两行可以组合如下：

DT[, `:=`(occurences = .N, total_dwell = sum(dwell)), by=key]

Answer 3

我会使用plyr:

res = ddply(p01, .(key), transform, 
                           occurrences = length(key), 
                           total_dwell = sum(dwell))
res
   time key dwell occurrences total_dwell
1  9.38   l 0.869           2       1.999
2 10.40   l 1.130           2       1.999
3  8.13   x 1.250           3       1.850
4 10.25   x 0.150           3       1.850
5 11.53   x 0.450           3       1.850
6  8.13   z 0.000           1       0.000

请注意，在此之后，表格按字母顺序在key 上排序。您可以使用order 诉诸time：

res[order(res$time),]
   time key dwell occurrences total_dwell
3  8.13   x 1.250           3       1.850
6  8.13   z 0.000           1       0.000
1  9.38   l 0.869           2       1.999
4 10.25   x 0.150           3       1.850
2 10.40   l 1.130           2       1.999
5 11.53   x 0.450           3       1.850

Answer 4

我认为您不想在这里使用apply。 table 获取频率然后使用match 将频率分配给您的表格怎么样：

freq <- as.data.frame( table(p01$key) )
    # Var1 Freq
#1    l    2
#2    x    3
#3    z    1

p01$occurences <- freq[ match(p01$key , freq[,1] ) , 2 ]
p01
#   time key dwell occurences
#1   8.13   z 0.000          1
#3   8.13   x 1.250          3
#5   9.38   l 0.869          2
#7  10.25   x 0.150          3
#9  10.40   l 1.130          2
#11 11.53   x 0.450          3

据我所知，与plyr 解决方案相比，此方法的唯一优势是保留了数据帧的原始顺序。我不知道你是否可以在 ddply 函数中指定它（也许你可以！）。