Mehrere Funktionen in einem einzigen tapply oder aggregate-Anweisung

Ist es möglich, zwei Funktionen in einem einzigen tapply oder aggregate-Anweisung?

Unten habe ich zwei tapply Aussagen und zwei zusammengefasste Aussagen: eine für mittlere und eine für SD.
Ich würde es bevorzugen, kombinieren Sie die Anweisungen.

my.Data = read.table(text = "
  animal    age     sex  weight
       1  adult  female     100
       2  young    male      75
       3  adult    male      90
       4  adult  female      95
       5  young  female      80
", sep = "", header = TRUE)

with(my.Data, tapply(weight, list(age, sex), function(x) {mean(x)}))
with(my.Data, tapply(weight, list(age, sex), function(x) {sd(x)  }))

with(my.Data, aggregate(weight ~ age + sex, FUN = mean)
with(my.Data, aggregate(weight ~ age + sex, FUN =   sd)

# this does not work:

with(my.Data, tapply(weight, list(age, sex), function(x) {mean(x) ; sd(x)}))

# I would also prefer that the output be formatted something similar to that 
# show below.  `aggregate` formats the output perfectly.  I just cannot figure 
# out how to implement two functions in one statement.

  age    sex   mean        sd
adult female   97.5  3.535534
adult   male     90        NA
young female   80.0        NA
young   male     75        NA

Ich kann immer führen Sie zwei separate Anweisungen, und führen Sie die Ausgabe. Ich habe nur gehofft, es könnte
eine etwas mehr bequeme Lösung.

Fand ich die Antwort weiter unten gepostet hier: Übernehmen mehrere Funktionen zum Spalte mit tapply

f <- function(x) c(mean(x), sd(x))
do.call( rbind, with(my.Data, tapply(weight, list(age, sex), f)) )

Jedoch weder die Zeilen oder Spalten sind beschriftet.

     [,1]     [,2]
[1,] 97.5 3.535534
[2,] 80.0       NA
[3,] 90.0       NA
[4,] 75.0       NA

Ich würde lieber eine Lösung in der Basis R. Eine Lösung aus der plyr Paket gepostet wurde unter dem link oben. Wenn ich die richtigen Zeilen-und Spaltenüberschriften, um die Ausgabe oben, wäre es perfekt.

InformationsquelleAutor der Frage Mark Miller | 2013-03-05

  1. 16

    Aber diese haben sollte:

    with(my.Data, aggregate(weight, list(age, sex), function(x) { c(MEAN=mean(x), SD=sd(x) )}))

with(my.Data, tapply(weight, list(age, sex), function(x) { c(mean(x) , sd(x) )} ))
# Not a nice structure but the results are in there

with(my.Data, aggregate(weight ~ age + sex, FUN =  function(x) c( SD = sd(x), MN= mean(x) ) ) )
    age    sex weight.SD weight.MN
1 adult female  3.535534 97.500000
2 young female        NA 80.000000
3 adult   male        NA 90.000000
4 young   male        NA 75.

    Den Grundsatz zu beachten ist, um Ihre Funktion return "eine Sache", die entweder einen Vektor oder eine Liste, aber nicht die aufeinander folgenden Aufruf der Funktion zwei Anrufe.

    InformationsquelleAutor der Antwort 42-

  2. 9

    Wenn Sie möchten, um die Daten verwenden.Tabelle, es hat with und by rechts eingebaut: 

    library(data.table)
myDT <- data.table(my.Data, key="animal")


myDT[, c("mean", "sd") := list(mean(weight), sd(weight)), by=list(age, sex)]


myDT[, list(mean_Aggr=sum(mean(weight)), sd_Aggr=sum(sd(weight))), by=list(age, sex)]
     age    sex mean_Aggr   sd_Aggr
1: adult female     96.0  3.6055513
2: young   male     76.5  2.1213203
3: adult   male     91.0  1.4142136
4: young female     84.5  0.7071068

    Ich verwendet eine leicht unterschiedliche Daten so eingestellt, dass Sie nicht haben NA Werte für sd

    InformationsquelleAutor der Antwort Ricardo Saporta

  3. 7

    In den Geist des Teilens, wenn Sie mit SQL vertraut sindSie könnten auch erwägen die "sqldf" - Paket. (Hervorhebung Hinzugefügt, weil Sie brauchen, um wissen zum Beispiel, dass mean ist avg um die Ergebnisse, die Sie wollen.)

    sqldf("select age, sex, 
      avg(weight) `Wt.Mean`, 
      stdev(weight) `Wt.SD` 
      from `my.Data` 
      group by age, sex")
    age    sex Wt.Mean    Wt.SD
1 adult female    97.5 3.535534
2 adult   male    90.0 0.000000
3 young female    80.0 0.000000
4 young   male    75.0 0.000000

    InformationsquelleAutor der Antwort A5C1D2H2I1M1N2O1R2T1

  4. 5

    Umformen lässt Sie passieren 2 Funktionen; reshape2 nicht. 

    library(reshape)
my.Data = read.table(text = "
  animal    age     sex  weight
       1  adult  female     100
       2  young    male      75
       3  adult    male      90
       4  adult  female      95
       5  young  female      80
", sep = "", header = TRUE)
my.Data[,1]<- NULL
(a1<-  melt(my.Data, id=c("age", "sex"), measured=c("weight")))
(cast(a1, age + sex ~ variable, c(mean, sd), fill=NA))

#     age    sex weight_mean weight_sd
# 1 adult female        97.5  3.535534
# 2 adult   male        90.0        NA
# 3 young female        80.0        NA
# 4 young   male        75.0        NA

    Ich schuldig @Ramnath, die darauf hingewiesen diese erst gestern.

    InformationsquelleAutor der Antwort Jack Ryan

Schreibe einen Kommentar