tapply 中的多个 ID 列表

Question

我想计算一个变量在不同组中的均值。要定义组，我想利用数据框中描述单个观察值的两列的组合：

a<-sample(12)
b<-sample(-100:100, 12)
d<-c(-11:0)
O<-rep(c("Nn","Hy"), each=6)
H<-rep(c("In+", "In-"), each=3, times=2) 
ID<-rep(c("bo","co", "do", "fo"), each=3)
mydata<-data.frame(ID, a, b, d, O, H)
gg.df <- melt(mydata, id.var=c("ID", "O", "H"), variable.name="int")

mean.w<-tapply(subset( x= gg.df, subset = int == "a") , 
list(gg.df$O, gg.df$H), mean, na.rm=TRUE)

我收到此错误消息：

Error in tapply(subset(x = gg.df, subset = int == "a"), list(gg.df$O,  : 
  arguments must have same length

Answer 1

我想您可能正在寻找这些解决方案之一。 tapply() 第一个参数是一个向量，而不是整个数据集。来自 help(tapply)

Usage

tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

Arguments

X an atomic object, typically a vector.

我发现如果我们以 with() 开始调用，tapply() 更容易理解。在这里我们可以在 with() 的调用中使用子集，这样 tapply() 调用就更容易阅读了。

with(subset(gg.df, int == "a"), tapply(value, list(O, H), mean, na.rm = TRUE))
#         In-      In+
# Hy 5.000000 8.000000
# Nn 5.333333 7.666667

aggregate(value ~ O + H, subset(gg.df, int == "a"), mean, na.rm = TRUE)
#    O   H    value
# 1 Hy In- 5.000000
# 2 Nn In- 5.333333
# 3 Hy In+ 8.000000
# 4 Nn In+ 7.666667

请注意，您也可以使用 gg.df[gg.df$int == "a", ] 作为子集来代替 subset()。另请注意，我们可以获得更多信息的结果是我们在 tapply() 中使用 data.frame() 而不是 list()

with(subset(gg.df, int == "a"), tapply(value, data.frame(O, H), mean))
#     H
# O         In-      In+
#   Hy 5.000000 8.000000
#   Nn 5.333333 7.666667

Answer 2

另一个选项：

library(dplyr)
library(tidyr)

mydata %>% 
  gather(int, value, -O, -H, -ID) %>%
  filter(int == "a") %>%
  group_by(O, H) %>%
  summarise(value = mean(value, na.rm = TRUE))

给出：

#       O      H    value
#  (fctr) (fctr)    (dbl)
#1     Hy    In- 7.333333
#2     Hy    In+ 6.666667
#3     Nn    In- 6.666667
#4     Nn    In+ 5.333333

tapply 中的多个 ID 列表

Multiple IDs list in tapply

r

mean

tapply