计算统计数据 and/or R 中数据帧子集中多列的函数

Question

我有一个数据框（以下形式的样本）：

DateTime                Ind1  Ind2  V1  V2  Ac1  Ac2  w1  w2   w3  shift
2016-05-01 00:01:00      U     A    5   7   20   100  50  70   200   1
2016-05-01 00:01:20      U     A    5   7   20   109  35  77   140   1
2016-05-01 00:01:40      U     A    5   7   40   120  55  97   160   1
...
2016-05-01 00:08:20      U     A    5   7   15   157  70  70   204   2
...
2016-05-02 00:08:20      U     A    5   7   28   147  65  90   240   2
...
2016-05-02 00:20:00      U     A    5   7   35   210  45  100  167   3

我需要一个新的数据框，其中为每个日期和班次组合列出了列 v1 到 w3 的一些统计信息（例如平均值、标准差），类似于以下内容：

Date      shift   Ind1  Ind2  avgV1  sdV1   avgV2 sdV2  avgAC1 ....   
2016-05-01   1      U     A    5.3    2.9    7.8   4.5   108  .....
2016-05-01   2      U     A    6.7    3.5    8.9   5.0   99 .....

已尝试的解决方案：
我可以执行以下步骤。

1) 从 DateTime 中提取日期

df$Date <- format(as.POSIXct(df$DateTime, format="%Y-%m-%d %H:%M:%S"), format="%Y-%m-%d")

2) 按日期和班次标记数据。

df$DateShift <- paste(df$Date, df$shift)

3) 对于每个子集，计算一个列的一些统计数据：

tmp_df <- data.frame(levels(as.factor(df$DateShift)))
avgV1 <- tapply(df$V1, df$DateShift, FUN=mean) 
sdV1 <- tapply(df$V1, df$DateShift, FUN=sd)
avgV2<- tapply(df$V2, df$DateShift, FUN=mean) 
....

但是，我在原始数据框中有 50 多个列，具有不同类型的名称（不像上面的示例那么简单）。
此外，我想要计算的统计数据可能会有所不同（例如，计算最大值和最小值，或其他一些用户定义的函数）。

所以我不想为不同的列组合和统计类型（均值、标准偏差等）手动编码
自动化的方法是什么？

Answer 1

我相信 dplyr 解决方案即将到来，但是 doBy 包对这种事情非常有效，除非你有很多（数百万+）行，在这种情况下它将是慢。

library(doBy)
df_avg <- summaryBy(. ~ Date + Shift, FUN=c(mean, median, sd), data=df, na.rm=TRUE)

将给出一个带有 V1.mean、V1.median 等的数据框。 . ~ 表示 "summarize all numeric variables"。例如，如果您想保留数据框中某些因素的信息，请使用参数 id.vars = ~somefac+somefac2。

Answer 2

library(dplyr)

df %>%
  mutate(Date = as.Date(DateTime)) %>%
  group_by(Date, shift) %>%
  summarise_each(funs(mean))

计算统计数据 and/or R 中数据帧子集中多列的函数

calculate statistics and/or a function on multiple columns in subsets of a dataframe in R

r

subset

multiple-columns

dataframe

tapply