如何使用使用两列的自定义函数在 R 中进行聚合

Question

是否可以使用使用两列的自定义函数聚合到 return 一列？

假设我有一个数据框：

x <- c(2,4,3,1,5,7)
y <- c(3,2,6,3,4,6)
group <- c("A","A","A","A","B","B")

data <- data.frame(group, x, y)
data
#   group x y
# 1     A 2 3
# 2     A 4 2
# 3     A 3 6
# 4     A 1 3
# 5     B 5 4
# 6     B 7 6

我有我想在两列（x 和 y）上使用的函数：

pathlength <- function(xy) {
  out <- as.matrix(dist(xy))
  sum(out[row(out) - col(out) == 1])
}

我尝试了以下聚合：

out <- aggregate(cbind(x, y) ~ group, data, FUN = pathlength)  
out <- aggregate(cbind(x, y) ~ group, data, function(x) pathlength(x))

但是，这会分别调用 x 和 y 上的路径长度，而不是一起调用，给我：

#  group x y
#1     A 5 8
#2     B 2 2

我想要的是将 x 和 y 上的路径长度一起调用并以这种方式聚合。这是我希望聚合执行的操作：

realA <- matrix(c(2,4,3,1,3,2,6,3), nrow=4, ncol=2)
pathlength(realA)
# [1] 9.964725

realB <- matrix(c(5,7,4,6), nrow=2, ncol=2)
pathlength(realB)
# [1] 2.828427

group <- c("A", "B") 
pathlength <- c(9.964725,2.828427)
real_out <- data.frame(group, pathlength)
real_out
#   group pathlength
# 1     A   9.964725
# 2     B   2.828427

有人有什么建议吗？或者是否有一些我在 google 上找不到的其他功能可以让我这样做？我宁愿不使用 for 循环来解决这个问题，因为我假设它对于大数据集来说会很慢。

Answer 1

如您所知，基础 aggregate() 函数一次只能作用于一列。相反，您可以使用 by() 函数

by(data[,c("x","y")], data$group, pathlength)
data$group: A
[1] 9.964725
----------------------------------------------------------------------- 
data$group: B
[1] 2.828427

或split()/lapply()

lapply(split(data[,c("x","y")], data$group), pathlength)
$A
[1] 9.964725

$B
[1] 2.828427

Answer 2

新答案

正如@BrodieG 所指出的，这很容易用 "data.table":

完成

> as.data.table(data)[, pathlength(.SD), by = group]
   group       V1
1:     A 9.964725
2:     B 2.828427

原创过度杀答案

可以考虑在"data.table"中输入matrix"on-the-fly":

library(data.table)

as.data.table(data)[, pathlength(matrix(unlist(.SD), ncol = length(.SD))), by = group]
#    group       V1
# 1:     A 9.964725
# 2:     B 2.828427

因此，您还可以考虑制作一个辅助函数，如下所示，它会为您创建矩阵：

sdmat <- function(sd) matrix(unlist(sd), ncol = length(sd))

那么，你可以这样做：

as.data.table(data)[, pathlength(sdmat(.SD)), by = group]
#    group       V1
# 1:     A 9.964725
# 2:     B 2.828427

甚至：

as.data.table(data)[, pathlength(sdmat(list(x, y))), by = group]
#    group       V1
# 1:     A 9.964725
# 2:     B 2.828427

或者，您可以尝试 "dplyr":

library(dplyr)

data %>%
  group_by(group) %>%
  summarise(pathlength = pathlength(matrix(c(x, y), ncol = 2)))
# Source: local data frame [2 x 2]
# 
#   group pathlength
# 1     A   9.964725
# 2     B   2.828427

或者，您可以将数据转换为 "long" 格式，然后使用您喜欢的聚合函数。

这是 "dplyr" 的延续：

library(dplyr)
library(tidyr)

data %>%
  gather(var, val, -group) %>%
  group_by(group) %>%
  summarise(pathlength = pathlength(matrix(val, ncol = length(unique(var)))))
# Source: local data frame [2 x 2]
# 
#   group pathlength
# 1     A   9.964725
# 2     B   2.828427

Answer 3

如果有人想要另一个简单的解决方案，我最终使用了 ddply。事实证明，与聚合不同，您可以使用 ddply 在多个列上使用一个函数。

代码如下：

out <- ddply(data, "group", summarise,
                       pathlength = pathlength(cbind(x,y)))

如何使用使用两列的自定义函数在 R 中进行聚合

How to aggregate in R with a custom function that uses two columns

aggregate

r

distance

新答案

原创过度杀答案