按日期聚合数据框并将不同的功能应用于相应的列？答案

【问题标题】：Aggregate data frame by date and apply different functions to corresponding columns?按日期聚合数据框并将不同的功能应用于相应的列？
【发布时间】：2013-05-13 16:54:09
【问题描述】：

我有以下数据框“DF”，它是一个更大的数据框的一部分：

             X1  X2            X3 X4 X5
4468 2010-03-24   3  1.000000e+00  1  2
7662 2010-03-24   9  3.000000e+00  2  1
1272 2010-03-25   8  2.000000e+00  1  1
1273 2010-03-26   9  0.000000e+00  1  1
1274 2010-03-27   8  0.000000e+00  1  1
4469 2010-03-28   4  0.000000e+00  1  2
7663 2010-03-28   4  3.000000e+00  3  1
8734 2010-03-28   7  4.000000e+00  2  3
1275 2010-03-29   8  0.000000e+00  1  1

如您所见，第一列包含一个日期。我想要做的如下：我想将此数据框转换为一个新的“DF2”，其中每个日期只有 1 行具有相应的列值：

X2, the average 
X3, the sum
X4, the maximum

每个日期的所有先前值。 X5 不相关，可以删除。结果是这样的：

             X1  X2            X3 X4
7662 2010-03-24   6  4.000000e+00  2  
1272 2010-03-25   8  2.000000e+00  1  
1273 2010-03-26   9  0.000000e+00  1  
1274 2010-03-27   8  0.000000e+00  1  
8734 2010-03-28   5  7.000000e+00  3  
1275 2010-03-29   8  0.000000e+00  1

有谁知道如何做到这一点？非常感谢您的帮助！

【问题讨论】：

标签： r sum aggregate average max

【解决方案1】：

DF <- read.table(text="             X1  X2            X3 X4 X5
4468 2010-03-24   3  1.000000e+00  1  2
7662 2010-03-24   9  3.000000e+00  2  1
1272 2010-03-25   8  2.000000e+00  1  1
1273 2010-03-26   9  0.000000e+00  1  1
1274 2010-03-27   8  0.000000e+00  1  1
4469 2010-03-28   4  0.000000e+00  1  2
7663 2010-03-28   4  3.000000e+00  3  1
8734 2010-03-28   7  4.000000e+00  2  3
1275 2010-03-29   8  0.000000e+00  1  1",header=TRUE)

library(data.table)

DT <- as.data.table(DF)

DT[,list(X2=mean(X2),X3=sum(X3),X4=max(X4)),by=X1]

#            X1 X2 X3 X4
# 1: 2010-03-24  6  4  2
# 2: 2010-03-25  8  2  1
# 3: 2010-03-26  9  0  1
# 4: 2010-03-27  8  0  1
# 5: 2010-03-28  5  7  3
# 6: 2010-03-29  8  0  1

【讨论】：

不确定行名是否是重要的数据。如果是这样，DT语句可以是DT <- data.table(DF, rowName=rownames(DF))
当取几行的平均值时，你会指定哪个行名？我认为行名在这里并不重要。
抱歉，我应该更具体一些。如果用户想要继续使用DT 代替原来的DF，我的评论更像是一般性的，超出了这个特定任务的范围

【解决方案2】：

有很多方法可以做到这一点，但这里有一个sqldf 解决方案：

library(sqldf)
sqldf("select X1, avg(X2), sum(X3), max(X4) from DF group by X1")

结果是：

          X1 avg(X2) sum(X3) max(X4)
1 2010-03-24       6       4       2
2 2010-03-25       8       2       1
3 2010-03-26       9       0       1
4 2010-03-27       8       0       1
5 2010-03-28       5       7       3
6 2010-03-29       8       0       1

【讨论】：

【解决方案3】：

您可以使用 plyr 包中的 ddply 函数通过某些分组变量进行任意聚合或其他转换。

对于您的问题，代码如下所示：

library(plyr)
result <- ddply(DF, .(X1), function(df) {
  with(df, data.frame( X1=mean(X1), X2=sum(X2), X3=max(X3) ) )
} )

如果这是一个中大型项目，那么您可能需要设置 progress 参数以显示进度条。对于非常大的问题，可以设置为使用并行处理。

【讨论】：

summarise 是匿名函数的替代选项。
我认为并行化只有在功能之一是速度瓶颈时才有帮助，mean、sum 或 max 可能不是这种情况。

【解决方案4】：

这里是dplyr 方式：

library(dplyr)
DF %>%
   group_by(X1) %>%
   summarise(X2 = mean(X2), 
             X3 = sum(X3), 
             X4 = max(X4))

#  X1            X2    X3    X4
#  <fct>      <dbl> <dbl> <dbl>
#1 2010-03-24    6.    4.    2.
#2 2010-03-25    8.    2.    1.
#3 2010-03-26    9.    0.    1.
#4 2010-03-27    8.    0.    1.
#5 2010-03-28    5.    7.    3.
#6 2010-03-29    8.    0.    1.

【讨论】：