我试着通过在data.frame上使用聚合来避免耗时的循环.但我需要其中一列的值进入最终计算.
dat <- data.frame(key = c('a','b','a','b'),rate = c(0.5,0.4,1,0.6),v1 = c(4,3,1),v2 = c(2,9,4))
>dat
key rate v1 v2
1 a 0.5 4 2
2 b 0.4 0 0
3 a 1.0 3 9
4 b 0.6 1 4
aggregate(dat[,-1],list(key=dat$key),function(x,y=dat$rate){
rates <- as.numeric(y)
values <- as.numeric(x)
return(sum(values*rates)/sum(rates))
})
注意：该功能只是一个例子！
这个实现的问题是y = dat $rate给出了所有4个dat的速率,当我想要的只是2个聚合速率！
Anny对如何做到这一点有所了解？
谢谢！
以下是我使用“data.table”包实现的目标：
原文链接：https://www.f2er.com/javaschema/281627.htmlDT <- data.table(dat,key = "key") DT[,list(v1 = sum(rate * v1)/sum(rate),v2 = sum(rate * v2)/sum(rate)),by = "key"] # key v1 v2 # 1: a 3.333333 6.666667 # 2: b 0.600000 2.400000
好.因此,只需要编写两个变量就很容易,但是当我们有更多的列时呢？将lapply(.SD,…)与您的函数结合使用：
首先,一些数据：
set.seed(1)
dat <- data.frame(key = rep(c("a","b"),times = 10),rate = runif(20,min = 0,max = 1),v1 = sample(10,20,replace = TRUE),v2 = sample(20,v3 = sample(30,x1 = sample(5,x2 = sample(6:10,x3 = sample(11:15,replace = TRUE))
library(data.table)
datDT <- data.table(dat,key = "key")
datDT
# key rate v1 v2 v3 x1 x2 x3
# 1: a 0.26550866 10 17 28 3 9 15
# 2: a 0.57285336 7 16 14 2 7 13
# 3: a 0.20168193 3 11 20 4 9 14
# 4: a 0.94467527 1 1 15 4 6 13
# 5: a 0.62911404 9 15 3 2 10 12
# 6: a 0.20597457 5 10 11 2 10 13
# 7: a 0.68702285 5 9 11 4 7 11
# 8: a 0.76984142 9 2 15 4 6 15
# 9: a 0.71761851 8 7 26 3 9 13
# 10: a 0.38003518 8 14 24 5 8 15
# 11: b 0.37212390 3 13 9 4 7 13
# 12: b 0.90820779 2 12 10 2 10 11
# 13: b 0.89838968 4 16 8 2 7 13
# 14: b 0.66079779 4 10 23 1 8 12
# 15: b 0.06178627 4 14 27 1 8 13
# 16: b 0.17655675 6 18 26 1 9 11
# 17: b 0.38410372 2 5 11 5 8 14
# 18: b 0.49769924 7 2 27 4 6 13
# 19: b 0.99190609 2 11 12 3 6 13
# 20: b 0.77744522 5 9 29 4 9 13
二,聚合：
datDT[,lapply(.SD,y = rate) sum(y * x)/sum(y)),by = "key"] # key rate v1 v2 v3 x1 x2 x3 # 1: a 0.6501303 6.335976 8.634691 15.75915 3.363832 7.658762 13.19152 # 2: b 0.7375793 3.595585 10.749705 16.26582 2.792390 7.741787 12.57301
如果您有一个非常大的数据集,您可能希望一般地探索data.table.
为了它的价值,我在基地R也取得了成功,但我不确定这会有多高效,特别是因为转置等等.
t(sapply(split(dat,dat[1]),y = 3:ncol(dat)) {
V1 <- vector()
for (i in 1:length(y)) {
V1[i] <- sum(x[2] * x[y[i]])/sum(x[2])
}
V1
}))
# [,1] [,2] [,3] [,4] [,5] [,6]
# a 6.335976 8.634691 15.75915 3.363832 7.658762 13.19152
# b 3.595585 10.749705 16.26582 2.792390 7.741787 12.57301
