如何使用带有 ddply 或聚合的函数返回向量（如 Fivenum）？答案

【问题标题】：How can I use functions returning vectors (like fivenum) with ddply or aggregate?如何使用带有 ddply 或聚合的函数返回向量（如 Fivenum）？
【发布时间】：2013-02-07 18:42:09
【问题描述】：

我想使用几列拆分我的数据框，然后在每个组上调用fivenum。

aggregate(Petal.Width ~ Species, iris, function(x) summary(fivenum(x)))

返回值是一个只有 2 列的 data.frame，第二个是一个矩阵。如何将其转换为 data.frame 的普通列？

更新

我想要使用 fivenum 的代码更少的类似以下内容

ddply(iris, .(Species), summarise,
      Min = min(Petal.Width),
      Q1 = quantile(Petal.Width, .25),
      Med = median(Petal.Width),
      Q3 = quantile(Petal.Width, .75),
      Max = max(Petal.Width)
      )

【问题讨论】：

返回值是一个七列的data.frame。它与matrix 无关。也许如果您显示了您所期望的结果，那么回答这个问题会更容易。
@nograpes 尝试将示例行包装到length()

标签： r aggregate plyr

【解决方案1】：

这是一个使用 data.table 的解决方案（虽然没有特别要求，但它显然是对 aggregate 或 ddply 的补充或替代。除了代码有点长之外，重复调用 quantile 效率低下，对于每次调用，您都将对数据进行排序

library(data.table)
Tukeys_five <- c("Min","Q1","Med","Q3","Max") 

IRIS <- data.table(iris)
# this will create the wide data.table
lengthBySpecies <- IRIS[,as.list(fivenum(Sepal.Length)), by = Species]

# and you can rename the columns from V1, ..., V5 to something nicer

setnames(lengthBySpecies, paste0('V',1:5), Tukeys_five)


lengthBySpecies



      Species Min  Q1 Med  Q3 Max
1:     setosa 4.3 4.8 5.0 5.2 5.8
2: versicolor 4.9 5.6 5.9 6.3 7.0
3:  virginica 4.9 6.2 6.5 6.9 7.9

或者，使用适当的prob 参数对quantile 进行一次调用。

IRIS[,as.list(quantile(Sepal.Length, prob = seq(0,1, by = 0.25))), by = Species]


       Species  0%   25% 50% 75% 100%
1:     setosa 4.3 4.800 5.0 5.2  5.8
2: versicolor 4.9 5.600 5.9 6.3  7.0
3:  virginica 4.9 6.225 6.5 6.9  7.9

请注意，创建的列的名称在语法上无效，尽管您可以使用setnames 进行类似的重命名

编辑

有趣的是，如果您设置了names = TRUE，quantile 将设置结果向量的名称，这将复制（减慢数字运算并消耗内存 - 它甚至会在帮助中警告您，真想！）

因此，您可能应该使用

 IRIS[,as.list(quantile(Sepal.Length, prob = seq(0,1, by = 0.25), names = FALSE)), by = Species]

或者，如果您想返回命名列表，而不在内部复制 R

IRIS[,{quant <- as.list(quantile(Sepal.Length, prob = seq(0,1, by = 0.25), names = FALSE))
       setattr(quant, 'names', Tukeys_five)
       quant}, by = Species]

【讨论】：

【解决方案2】：

您可以使用do.call 在每个矩阵元素上递归调用data.frame 以获得带有向量元素的data.frame：

dim(do.call("data.frame",dfr))
[1] 3 7

str(do.call("data.frame",dfr))
'data.frame':   3 obs. of  7 variables:
 $ Species            : Factor w/ 3 levels "setosa","versicolor",..: 1 2 3
 $ Petal.Width.Min.   : num  0.1 1 1.4
 $ Petal.Width.1st.Qu.: num  0.2 1.2 1.8
 $ Petal.Width.Median : num  0.2 1.3 2
 $ Petal.Width.Mean   : num  0.28 1.36 2
 $ Petal.Width.3rd.Qu.: num  0.3 1.5 2.3
 $ Petal.Width.Max.   : num  0.6 1.8 2.5

【讨论】：

【解决方案3】：

据我所知，没有确切的方法可以满足您的要求，因为您使用的函数 (fivenum) 不会以可以轻松绑定到列的方式返回数据在“ddply”函数中。不过，这很容易以编程方式清理。

第 1 步：使用 'ddply' 函数对每个 'Species' 值执行 fivenum 函数。

data <- ddply(iris, .(Species), summarize, value=fivenum(Petal.Width))

#       Species value
# 1      setosa   0.1
# 2      setosa   0.2
# 3      setosa   0.2
# 4      setosa   0.3
# 5      setosa   0.6
# 6  versicolor   1.0
# 7  versicolor   1.2
# 8  versicolor   1.3
# 9  versicolor   1.5
# 10 versicolor   1.8
# 11  virginica   1.4
# 12  virginica   1.8
# 13  virginica   2.0
# 14  virginica   2.3
# 15  virginica   2.5

现在，'fivenum' 函数返回一个列表，因此每个物种最终都有 5 行条目。这就是 'fivenum' 功能与我们抗衡的部分。

第 2 步：添加标签列。我们知道 Tukey 的五个数字是什么，所以我们只是按照“fivenum”函数返回它们的顺序来调用它们。该列表将重复直到到达数据的末尾。

Tukeys_five <- c("Min","Q1","Med","Q3","Max") 
data$label <- Tukeys_five

#       Species value label
# 1      setosa   0.1   Min
# 2      setosa   0.2    Q1
# 3      setosa   0.2   Med
# 4      setosa   0.3    Q3
# 5      setosa   0.6   Max
# 6  versicolor   1.0   Min
# 7  versicolor   1.2    Q1
# 8  versicolor   1.3   Med
# 9  versicolor   1.5    Q3
# 10 versicolor   1.8   Max
# 11  virginica   1.4   Min
# 12  virginica   1.8    Q1
# 13  virginica   2.0   Med
# 14  virginica   2.3    Q3
# 15  virginica   2.5   Max

第 3 步：标签到位后，我们可以使用“reshape2”包中的“dcast”函数快速将该数据转换为新形状。

library(reshape2)
dcast(data, Species ~ label)[,c("Species",Tukeys_five)]

#      Species Min  Q1 Med  Q3 Max
# 1     setosa 0.1 0.2 0.2 0.3 0.6
# 2 versicolor 1.0 1.2 1.3 1.5 1.8
# 3  virginica 1.4 1.8 2.0 2.3 2.5

最后的所有垃圾都只是指定列顺序，因为“dcast”函数会自动按字母顺序排列。

希望这会有所帮助。

更新：我决定返回，因为我意识到您还有其他选择。您始终可以将矩阵绑定为数据框定义的一部分，因此您可以像这样解析“聚合”函数：

data <- aggregate(Petal.Width ~ Species, iris, function(x) summary(fivenum(x))) 
result <- data.frame(Species=data[,1],data[,2])

#      Species Min. X1st.Qu. Median Mean X3rd.Qu. Max.
# 1     setosa  0.1      0.2    0.2 0.28      0.3  0.6
# 2 versicolor  1.0      1.2    1.3 1.36      1.5  1.8
# 3  virginica  1.4      1.8    2.0 2.00      2.3  2.5

【讨论】：

我在考虑投射数据。我通常为此使用 reshape ，但很高兴看到它是如何使用 plyr 完成的。您更新的答案基本上是詹姆斯建议的。我忘记了可以“cbind”data.frames，包括像这样从矩阵进行隐式转换。

【解决方案4】：

这是我的解决方案：

ddply(iris, .(Species), summarize, value=t(fivenum(Petal.Width)))

【讨论】：

和Dinre写的有什么不同？
它简单、简短、流畅。这里，“fivenum”的向量值形成一个矩阵。所以结果有两列，一列是标签，另一列是五列矩阵
调用 ncol 会让你大吃一惊。
我刚刚申请了 ncol ，结果是2，上面也提到了
哎呀，我的错，我想你早点承认这一点。无论如何，讨论无处可去，解决方案与 Dinre 中的 Step 1 没有什么不同。它有点不可用，因为间接级别太多，并且在大多数情况下需要展平。