我有一个像下面的数据框(20,000行49列)。每行具有唯一的名称(ID),每个ID在3列中有3个重复读数(例如D15C D15C.1 D15C.2)。名称的前4个字母(“D15C”)是组名。我需要通过组名来平均列(例如平均D15C,D15C.1和D15.2以获得D15C),因此最终表将从49列合并为16列。R行意味着在多个列按组(或唯一ID)
ID D04C D04C.1 D08H D08H.1 D08H.2 D15C D15C.1 D15C.2 D15L D15L.1 D15L.2
1 1367452_at 11.11 10.93 11.85 10.94 10.87 10.73 10.62 10.85 10.73 10.77 10.52
2 1367453_at 9.65 9.94 9.78 9.68 9.67 9.86 9.71 9.82 9.74 9.71 9.76
3 1367454_at 10.19 10.36 9.68 10.07 10.08 10.35 10.26 10.32 10.27 10.19 10.47
(… 20000 rows)
我调换,为了使用聚合它编辑成下面的数据帧:
ID 1367452_at 1367453_at 1367454_at ... ...
1 D04C 11.11 9.65 10.19
2 D04C 10.93 9.94 10.36
3 D08H 11.85 9.78 9.68
4 D08H 10.94 9.68 10.07
5 D08H 10.87 9.67 10.08
6 D15C 10.73 9.86 10.35
7 D15C 10.62 9.71 10.26
8 D15C 10.85 9.82 10.32
9 D15L 10.73 9.74 10.27
10 D15L 10.77 9.71 10.19
11 D15L 10.52 9.76 10.47
但是,下面的骨料(“AGG”是该数据帧的名字)了370秒完成。问题是,我有这样的排期表中的100的......
agg <- aggregate(x = agg[, 2:ncol(agg)], by = list(ID = agg$ID), FUN = "mean", na.rm = T)
所以我把它转换成一个data.table和运行一个数据表的方法。
dt <- as.data.table(agg)
setkey(dt, ID)
dt2 <- dt[,lapply(list(dt[2:ncol(dt)]),mean),by = ID]
,但得到了几分钟后,一条错误消息:
Error: cannot allocate vector of size 144 Kb
In addition: Warning messages:
1: Reached total allocation of 1535Mb: see help(memory.size)
2: Reached total allocation of 1535Mb: see help(memory.size)
不知道什么是错的。无法使用dt [1:5,1:5]查看dt的“head”部分,并且head(dt)返回了太多穿过屋顶的线,我也看不到“head”。不知道现在该做什么。
我可以在一列中列出ID(如在data.frame中)或转置表并在第一行中列出ID(如在data.table中)。无论哪种方式,有没有更快的方式来聚合数据?非常感谢!
第一个问题诶?欢迎。你真的认为'data.table'包中的data.table?如果你尝试过'转置'和'聚合',那么最好提供你尝试的确切命令,以便人们可以提供帮助。不明白'Data.table method'是什么意思。在某处可能会提出一些关于Stack Overflow的问题的指导方针(但我不能很快)。试试R聊天室寻求建议。 –
对不起,不清楚。我编辑它以提供更多细节。希望现在更容易理解。 – user1444754
好多了,谢谢。这使得它很快回答。 –