拆分后重新组装数据帧[重复]

Question

我无法将拆分应用于 data.frame，然后将一些聚合结果组合回不同的 data.frame。我尝试使用“unsplit”功能，但我不知道如何正确使用它来获得所需的结果。让我演示一下常见的“mtcars”数据：假设我的最终结果是得到一个包含两个变量的数据框：cyl（汽缸）和 mean_mpg（共享相同汽缸数的汽车组的平均超过 mpg）。

所以最初的拆分是这样的：

spl <- split(mtcars, mtcars$cyl)

结果如下：

$`4`
                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Merc 240D      24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
...

$`6`
                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
...

$`8`
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
...

现在我想做一些类似的事情：

df <- as.data.frame(lapply(spl, function(x) mean(x$mpg)), col.names=c("cyl", "mean_mpg"))

但是，执行上述操作会导致：

            X4       X6   X8
1 26.66364 19.74286 15.1

虽然我希望 df 是这样的：

  cyl mean_mpg
1   4 26.66364
2   6 19.74286
3   8 15.10000

谢谢，J。

Answer 1

如果您只对重新组装拆分感兴趣，请查看 (2)、(4) 和 (4a)，但如果实际的基本问题确实是关于在组上执行聚合的方式，那么它们可能都会引起您的兴趣：

1) 聚合 通常使用 aggregate，正如 cmets 中已经提到的那样。稍微简化@alistaire 的代码：

aggregate(mpg ~ cyl, mtcars, mean)

2) split/lapply/do.call 另外@rawr 在 cmets 中给出了 split/lapply/do.call 解决方案，我们也可以稍微简化一下：

spl <- split(mtcars, mtcars$cyl)
do.call("rbind", lapply(spl, with, data.frame(cyl = cyl[1], mpg = mean(mpg))))

3) do.call/by 最后一个可以改写为by：

do.call("rbind", by(mtcars, mtcars$cyl, with, data.frame(cyl = cyl[1], mpg = mean(mpg))))

4) split/lapply/unsplit 另一种可能是使用split 和unsplit：

spl <- split(mtcars, mtcars$cyl)
L <- lapply(spl, with, data.frame(cyl = cyl[1], mpg = mean(mpg), row.names = cyl[1]))
unsplit(L, sapply(L, "[[", "cyl"))

4a) 或者如果行名足够：

spl <- split(mtcars, mtcars$cyl)
L <- lapply(spl, with, data.frame(mpg = mean(mpg), row.names = cyl[1]))
unsplit(L, sapply(L, rownames))

上面没有使用任何包，但也有很多包可以做聚合，包括dplyr、data.table和sqldf：

5) dplyr

library(dplyr)
mtcars %>%
       group_by(cyl) %>%
       summarize(mpg = mean(mpg)) %>%
       ungroup()

6) 数据表

library(data.table)
as.data.table(mtcars)[, list(mpg = mean(mpg)), by = "cyl"]

7) sqldf

library(sqldf)
sqldf("select cyl, avg(mpg) mpg from mtcars group by cyl")