如何在 data.frame（在 R 中）中跨交叉因子水平应用复杂函数？

Question

我想在 data.frame 中跨因子的交叉水平应用一个函数，类似于 aggregate 会做的，但是对于比 aggregate 可以处理的更复杂的函数。

例如。

fact1=c(rep('A',6),rep('B',6))
fact2=c(rep(c(rep('C',3),rep('D',3)),2))
crit1=rnorm(12)
crit2=crit1+rnorm(12)
dat=data.frame(fact1,fact2,crit1,crit2)

target.fit = function(dat){
  mod=lm(dat$crit2~dat$crit1)
  return(mod$coefficients[2])
}

此代码生成 data.frame dat。目标是将 target.fit 应用于 fact1 和 fact2 的每个交叉级别（此处为 lm）。

对于仅需要一个输入向量的函数（例如使用 aggregate 的平均值）执行此操作很简单。

> aggregate(dat,list(fact1=fact1,fact2=fact2),mean)
  fact1 fact2 fact1 fact2      crit1      crit2
1     A     C    NA    NA -0.5875951 -0.6048572
2     B     C    NA    NA  0.3712372  0.9135742
3     A     D    NA    NA -1.0163750 -2.4971846
4     B     D    NA    NA  0.3937682  0.6227697

但是，aggregate 不适用于多变量输入。

> aggregate(dat,list(fact1=fact1,fact2=fact2),target.fit)
 Error in dat$crit2 : $ operator is invalid for atomic vectors

我该如何解决这个编程问题？

Answer 1

您可以使用 formula 方法来避免获得 NA 列

 aggregate(.~fact1+fact2, dat, FUN=mean)

对于自定义函数

 library(data.table)#v1.9.5+
 setDT(dat)[,target.fit(.SD) ,.(fact1, fact2)]
 #   fact1 fact2       V1
 #1:     A     C 1.060835
 #2:     A     D 1.259871
 #3:     B     C 1.451595
 #4:     B     D 1.766432

与

相同

 setDT(dat)[, coef(lm(crit2~crit1))[2] ,.(fact1, fact2)]
 #   fact1 fact2       V1
 #1:     A     C 1.060835
 #2:     A     D 1.259871
 #3:     B     C 1.451595
 #4:     B     D 1.766432

或使用dplyr

 library(dplyr)
 dat %>% 
     group_by(fact1, fact2) %>% 
     do(data.frame(V1=target.fit(.)))
 #  fact1 fact2       V1
 #1     A     C 1.060835
 #2     A     D 1.259871
 #3     B     C 1.451595
 #4     B     D 1.766432

一个base R选项是

 sapply(split(dat, as.list(dat[paste0('fact',1:2)]), drop=FALSE), target.fit)
 #A.C.dat$crit1 B.C.dat$crit1 A.D.dat$crit1 B.D.dat$crit1 
 #   1.060835      1.451595      1.259871      1.766432

或

  by(dat, list(dat$fact1, dat$fact2), FUN=target.fit)

获取 data.frame、

中的因子水平

  do.call(rbind,by(dat, list(dat$fact1, dat$fact2), 
           FUN=function(x) cbind(x[1,1:2], V1=target.fit(x))))

注意：使用 set.seed(24) 作为创建 dat

的种子

Answer 2

在data.table和dplyr之前的日子里，标准方法是lapply(split(data,fators),func)

> lapply( split( dat, list(fact1, fact2) ), target.fit)
$A.C
dat$crit1 
 1.328941 

$B.C
dat$crit1 
0.3281161 

$A.D
dat$crit1 
 -0.10337 

$B.D
dat$crit1 
   2.8962

数据帧参数上的拆分函数 returns 由基于交叉因子参数的子集组成的较小数据帧。如果您需要它作为向量，可以用 sapply 函数代替 lapply:

> sapply( split( dat, list(fact1, fact2) ), target.fit)
A.C.dat$crit1 B.C.dat$crit1 A.D.dat$crit1 B.D.dat$crit1 
    1.3289409     0.3281161    -0.1033700     2.8962000

我可能会编写将 dat 参数传递给 lm:

的数据参数的函数

target.fit = function(dat){
  mod=lm(crit2~$crit1, data=dat)
  return(mod$coefficients[2])
}

如何在 data.frame（在 R 中）中跨交叉因子水平应用复杂函数？

How to apply a complex function across crossed levels of factors in data.frame (in R)?

aggregate

r

apply