我反复使用的设计模式之一是在数据框上执行“group by”或“split,apply,combine(SAC)”,然后加入聚合数据回到原始数据。例如,在计算每个县与许多州和县的数据框中的州平均数偏差时,这很有用。我的总计算很少是一个简单的意思,但它是一个很好的例子。我经常解决这一问题的方式如下:将聚合值加回到原始数据框
require(plyr)
set.seed(1)
## set up some data
group1 <- rep(1:3, 4)
group2 <- sample(c("A","B","C"), 12, rep=TRUE)
values <- rnorm(12)
df <- data.frame(group1, group2, values)
## got some data, so let's aggregate
group1Mean <- ddply(df, "group1", function(x)
data.frame(meanValue = mean(x$values)))
df <- merge(df, group1Mean)
df
将会产生很好的汇总数据,如下列:
> df
group1 group2 values meanValue
1 1 A 0.48743 -0.121033
2 1 A -0.04493 -0.121033
3 1 C -0.62124 -0.121033
4 1 C -0.30539 -0.121033
5 2 A 1.51178 0.004804
6 2 B 0.73832 0.004804
7 2 A -0.01619 0.004804
8 2 B -2.21470 0.004804
9 3 B 1.12493 0.758598
10 3 C 0.38984 0.758598
11 3 B 0.57578 0.758598
12 3 A 0.94384 0.758598
这工作,但没有这样做,其提高可读性的替代方式,性能,等等?代码
请参阅http://stackoverflow.com/questions/4998846/applying-an-aggregate-function-over-multiple-different-slices/5000040#5000040 – 2011-02-17 15:46:40