r 使用 do.call(rbind) 或 ddply 组合来自 tapply 的结果答案

【问题标题】：r combining results from tapply using do.call(rbind) or ddplyr 使用 do.call(rbind) 或 ddply 组合来自 tapply 的结果
【发布时间】：2011-08-03 22:59:17
【问题描述】：

我有日期/时间信息，我想在其中获取按年份分组的“季节”中日期的平均值、最小值、最大值和范围，而我稍微成功的唯一方法是使用 tapply。最接近的是 tapply 中的汇总函数。结果是我只假设是按年份列出的最小值、最大值、第一个 Qu、中值等。这些不完全是我需要的，但工作正常。

我从第一季的 tapply 函数获得的结果示例：

$`2003`
                     Min.                   1st Qu.                    Median                      Mean                   3rd Qu.                      Max. 
"2003-04-22 00:00:00 UTC" "2003-05-03 00:00:00 UTC" "2003-05-12 00:00:00 UTC" "2003-05-10 02:00:00 UTC" "2003-05-18 00:00:00 UTC" "2003-05-21 00:00:00 UTC" 

$`2004`
                     Min.                   1st Qu.                    Median                      Mean                   3rd Qu.                      Max. 
"2004-04-07 00:00:00 UTC" "2004-04-13 00:00:00 UTC" "2004-05-10 00:00:00 UTC" "2004-05-01 07:08:56 UTC" "2004-05-11 12:00:00 UTC" "2004-05-20 00:00:00 UTC"

我想要做的是将我为不同季节生成的这些列表组合成一个大的快乐数据框，我可以将其导出到 csv 中。我已经搜索和搜索，并且变得更加困惑。大多数人建议最简单的是

test = do.call(rbind, sSM, eSM, sC) #note here sSM, eSM, sC are my "seasons"

但是，这会给我一条错误消息或一个空的“测试”框架。

我已经阅读了 plyr 包，并假设 ddply 而不是 tapply 将结果强制放入数据框应该可以工作，但我不知道如何让它工作，因为我无法做到我需要的函数，例如平均值、最小值、最大值和范围......

我想要的最终结果是这样的：

Season   Year   Min           Max      Mean        Median  
sSM     2003   2003-04-21   2003-5-1  2003-4-25   2003-4-23
eSM     2003...
sSM     2004...
eSM     2004...

那么我想做同样的事情，只在个人跨年确定。我有一个 ID 字段，其中在某些年份测量了同一个人。我想在每个季节的年份中获得该人的平均开始日期。不包括那些多年来没有被衡量过的人。

由于我不了解如何操作列表和数组，甚至不了解 tapply 正在做什么，我不知道如何解决所有这些问题。我是否创建一个空数据框并将所有这些东西放入某个循环或其他东西中？以下是几年内 4 个“季节”的一些示例数据，请注意有些日期有日期和时间戳，有些只有日期。

    structure(list(Year = c(2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 
2003L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2005L, 2005L, 
2005L, 2005L, 2005L, 2005L, 2006L, 2006L, 2006L, 2006L), ID = structure(c(11L, 
12L, 13L, 14L, 15L, 16L, 17L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 
9L, 10L, 14L, 15L, 1L, 2L, 3L, 6L), .Label = c("c_002", "c_102", 
"c_104", "c_105", "c_109", "c_401", "c_9814", "c_9815", "c_9816", 
"c_9819", "c_9901", "c_9902", "c_9905", "c_9908", "c_9911", "c_9912", 
"c_9916"), class = "factor"), sSM = structure(c(10L, 10L, 9L, 
17L, 8L, 8L, 7L, 18L, NA, 1L, NA, 15L, 13L, 12L, 6L, 3L, 5L, 
2L, 4L, 16L, 14L, 11L, 11L), .Label = c("04/07/2004 15:00", "04/23/2005 10:01", 
"04/25/2005 03:01", "04/27/2005 02:00", "04/27/2005 08:00", "04/29/2005 04:00", 
"05/01/2003", "05/03/2003", "05/04/2003", "05/05/2003", "05/05/2006", 
"05/07/2005 16:01", "05/11/2004 11:00", "05/11/2006", "05/13/2004 08:00", 
"05/14/2006", "05/17/2003", "05/17/2004 12:02"), class = "factor"), 
    eSM = structure(c(13L, 18L, 15L, 21L, 16L, 10L, 14L, 20L, 
    NA, 1L, NA, 11L, 7L, 5L, 6L, 17L, 3L, 2L, 4L, 19L, 9L, 12L, 
    8L), .Label = c("04/27/2004 05:00", "05/01/2005 05:00", "05/06/2005 05:00", 
    "05/08/2005 07:01", "05/12/2005 21:00", "05/15/2005 19:00", 
    "05/18/2004 13:00", "05/18/2006", "05/20/2006", "05/21/2003", 
    "05/21/2004 01:01", "05/23/2006", "05/24/2003", "05/25/2003", 
    "05/26/2003", "05/27/2003", "05/27/2005 01:00", "05/28/2003", 
    "05/28/2006", "06/01/2004 02:01", "06/03/2003"), class = "factor"), 
    sC = structure(c(9L, 12L, 16L, 19L, 18L, 12L, 7L, 13L, NA, 
    10L, NA, 20L, 4L, 14L, 11L, 5L, 1L, 2L, 3L, 8L, 17L, 6L, 
    15L), .Label = c("05/26/2005 00:00", "05/26/2005 10:00", 
    "05/27/2005 06:01", "05/28/2004 08:00", "05/29/2005 23:01", 
    "05/29/2006", "05/30/2003", "05/30/2006", "05/31/2003", "05/31/2004 06:01", 
    "05/31/2005 15:00", "06/01/2003", "06/01/2004 07:02", "06/01/2005 16:00", 
    "06/01/2006", "06/03/2003", "06/03/2006", "06/04/2003", "06/05/2003", 
    "06/05/2004 01:00"), class = "factor"), eC = structure(c(11L, 
    2L, 15L, 6L, 17L, 17L, 2L, 8L, NA, 7L, NA, 13L, 5L, 9L, 9L, 
    3L, 10L, 1L, 4L, 12L, 14L, 16L, 12L), .Label = c("06/03/2005 18:00", 
    "06/04/2003", "06/04/2005 04:01", "06/05/2005 05:01", "06/06/2004 22:00", 
    "06/07/2003", "06/07/2004 23:00", "06/08/2004 19:01", "06/08/2005 03:00", 
    "06/10/2005 20:00", "06/12/2003", "06/13/2006", "06/14/2004 00:00", 
    "06/14/2006", "06/16/2003", "06/18/2006", "06/19/2003"), class = "factor")), .Names = c("Year", 
"ID", "sSM", "eSM", "sC", "eC"), class = "data.frame", row.names = c(NA, 
-23L))

这是我迄今为止编写的一些代码：

dates$StartSM =  as.POSIXct(strptime(dates$sSM,"%m/%d/%Y",tz="UTC"),tz="UTC")                 
dates$EndSM =  as.POSIXct(strptime(dates$eSM,"%m/%d/%Y",tz="UTC"),tz="UTC")
dates$EndC =  as.POSIXct(strptime(dates$eC,"%m/%d/%Y %H:%M",tz="UTC"),tz="UTC")
dates$StartC =  as.POSIXct(strptime(dates$sC,"%m/%d/%Y %H:%M",tz="UTC"),tz="UTC")
sSpringM = tapply(dates$StartSM, dates$Year, summary)
eSpringM  = tapply(dates$EndSM, dates$Year, summary)
sCalving = as.vector(tapply(dates$StartC, dates$Year, summary))
eCalving = tapply(dates$EndC, dates$Year, summary)
datadates = do.call(rbind, sSpringM, eSpringM, sCalving)

【问题讨论】：

你能用dput(youDataGoesHere)的输出替换你的数据的人类可读版本吗？由于数据类型等将完全匹配，因此确保开发的解决方案适合您会容易得多。
@Chase，对不起-我开始这样做但后来没有....猜它总是最好添加它。我只是觉得这个问题太长了。我只是想让人们知道我一直在尝试想出一些东西并进行尝试。
不用担心 - 我发现dput() 在涉及日期/时间格式时特别有用...其中的差异似乎是很多混乱的根源。我仍然对您如何定义春季和夏季感到困惑？将sSM、eSM、eC、sC 列转换为上述适当的时间格式后，它们是否具有任何值？
您能否详细说明您数据的“季节”方面？正如 DWin 在下面指出的那样，您提供的数据中似乎没有任何季节，另外我要指出，该样本中的所有日期都在 4 月至 6 月之间。
@Joran 很抱歉这个赛季的混乱 - 我应该更清楚。在我的“讨论”中，我以季节为例，并把它放在人们普遍理解的术语中。我认为在实际数据中标记什么并不重要。我会纠正这个。至于我的样本数据——我有 126,000 个数据点。限制在四月和六月是我减少事情的方式。我有 15 个“季节”——所以我想出了我能得到什么帮助，我会延长它，让我自己度过每个季节。

标签： list r apply plyr do.call

【解决方案1】：

你有（无论如何在顶部）一个列表，称之为“你的列表”。试试这个来打印它们：

lapply(yourlist, format, "%Y-%m-%d")

如果你想把它们放在一个矩阵中：

do.call(rbind, sapply(yourlist, unlist))

我在您的结构中看不到任何“冬天”、“春天”等。我过去曾使用 data.table 包的年、季度、月和周函数来返回年、季度、月和周的数值向量。使用整数年加上适当的小数加法（如年（.）+季度/4）很容易绘制。比相应的切割和标签麻烦更容易，否则会导致。

【讨论】：

我很抱歉我不应该使用混杂的术语。 sSM是我自己记录的一个赛季。从技术上讲，它是春季迁徙的开始，eSM 是春季迁徙的结束，sC 是产犊的开始等。我想要编译的是我不同的“季节”，无论它们叫什么 - 平均日期是什么时候，最小值和最大值?然后按个人多年来在该特定季节内的特定平均日期是什么时候。