使用 lapply 按列对数据框列表进行分组答案

【问题标题】：Using lapply to group list of data frames by column使用 lapply 按列对数据框列表进行分组
【发布时间】：2020-03-07 15:50:34
【问题描述】：

我有一个包含多个数据框的列表。我想按类别 (A) 对数据进行排序，并使用 lapply-command 对频率 (B) 求和。

数据为df_list

df_list
$`df.1`

        A       B
1   Apples      2
2   Pears       5
3   Apples      6
4   Pears       1
5   Apples      3


$`df.2`
        A       B
1   Oranges     2
2   Pineapples  5
3   Oranges     6
4   Pineapples  1
5   Oranges     3

预期的结果 df_list_2 如下所示：

df_list_2
$`df.1`

        A       B
1   Apples      11
2   Pears       6       

$`df.2`
        A       B
1   Oranges     11
2   Pineapples  6

我基于 lapply 尝试了以下代码：

df_list_2<-df_list[, lapply(B, sum), by = A]

但是，我收到一个错误代码，提示找不到 A。

要么我弄错了 lapply 命令在这种情况下的工作方式，要么我对它应该如何工作的理解有缺陷。非常感谢任何帮助。

【问题讨论】：

看起来您已经从代码中的 data.table 中提取了一些详细信息，但在这里没有引用它。您所做的只是 data.table 解决方案的一半，所以如果这是您所追求的，您需要指定。

标签： r list dataframe group-by lapply

【解决方案1】：

OP 帖子中的data.table 语法可以更改为

library(data.table)
lapply(df_list, function(x) as.data.table(x)[, .(B = sum(B)), by = A])
#$df.1
#        A  B
#1: Apples 11
#2:  Pears  6

#$df.2
#            A  B
#1:    Oranges 11
#2: Pineapples  6

数据

df_list <- list(df.1 = structure(list(A = structure(c(1L, 2L, 1L, 2L, 1L
), .Label = c("Apples", "Pears"), class = "factor"), B = c(2L, 
5L, 6L, 1L, 3L)), class = "data.frame", row.names = c("1", "2", 
"3", "4", "5")), df.2 = structure(list(A = structure(c(1L, 2L, 
1L, 2L, 1L), .Label = c("Oranges", "Pineapples"), class = "factor"), 
    B = c(2L, 5L, 6L, 1L, 3L)), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5")))

【讨论】：

【解决方案2】：

我担心您可能对lapply 和提取运算符 ([) 没有一个清晰的概念。记住lapply(list, function) 将指定的function 应用到你给它的list 的每个元素。 Extract 为您提供您指定的元素：

x <- c('a', 'b', 'c')
x[2]
## "b"

我想在你的 R 工作区的某个地方你有一个对象名称 B 这就是为什么你没有得到类似

的错误

## Error in lapply(B, sum) : object 'B' not found

相反，如果您（无意或有意）同时定义了 A 和 B，您会看到错误

## Error in df_list[, lapply(B, sum), by = A] : incorrect number of dimensions

因为那根本不是如何使用[；请记住，您只需将索引或布尔值以及偶尔的可选参数传递给[，但by 不是其中之一。

所以没有进一步的告别，这就是我将如何做到这一点（在基础 R 中）：

# make some data
a <- c(1, 2, 1, 2, 1)
b <- c(2, 5, 6, 1, 3)
df_list <- list(df.1 = data.frame(A = c('Apples', 'Pears')[a], B = b), 
                df.2 = data.frame(A = c('Oranges', 'Pineapples')[a], B = b))

# simplify it
df_list_2 <- lapply(df_list, function(x) {
    aggregate(list(B = x$B), list(A = x$A), sum)
})

# the desired result
df_list_2

## $df.1
##        A  B
## 1 Apples 11
## 2  Pears  6
## 
## $df.2
##            A  B
## 1    Oranges 11
## 2 Pineapples  6

您可以利用data.frame 只是一个列表这一事实，并像这样缩短您的代码：

df_list_2 <- lapply(df_list, function(x) {
    aggregate(x['B'], x['A'], sum)
})

但第一种写法应该有助于更清楚地说明我们在做什么

【讨论】：

感谢您花时间解释发生了什么，安迪。这很有帮助。

【解决方案3】：

您需要在lapply中aggregate

lapply(df_list, function(x) aggregate(B~A, x, sum))

#[[1]]
#       A  B
#1 Apples 11
#2  Pears  6

#[[2]]
#           A  B
#1    Oranges 11
#2 Pineapples  6

使用来自purrr 和dplyr 的map 会是

library(dplyr)
purrr::map(df_list, ~.x %>% group_by(A) %>% summarise(sum = sum(B)))

数据

df_list <- list(structure(list(A = structure(c(1L, 2L, 1L, 2L, 1L), 
.Label = c("Apples", "Pears"), class = "factor"), B = c(2L, 5L, 6L, 1L, 3L)), 
class = "data.frame", row.names = c("1", "2", "3", "4", "5")), 
structure(list(A = structure(c(1L, 2L, 1L, 2L, 1L), .Label = c("Oranges", 
"Pineapples"), class = "factor"), B = c(2L, 5L, 6L, 1L, 3L)), class = "data.frame", 
row.names = c("1", "2", "3", "4", "5")))

【讨论】：