dplyr：子分组(group_by)数据帧上的colSums：优雅地
countData <- sample(0:10, 2000, replace = TRUE)
dates <- sample(seq(as.Date("2010/1/1"), as.Date("2010/01/30"), "days"), 200, replace = TRUE)
locality <- sample(1:2, 2000, replace = TRUE)
ageCat <- sample(1:2, 2000, replace = TRUE)
sampleDF <- data.frame(dates, locality, ageCat, matrix(countData, nrow = 200, ncol = 10))
我想做的是...
library("dplyr")
sampleDF %.% group_by(locality, ageCat, dates) %.% do(colSums(.[, -(1:3)]))
但是这并不完全有效，因为colSums（）的结果不是数据帧。如果我投了它，它就起作用了：
sampleDF %.% group_by(locality, ageCat, dates) %.% do(data.frame(matrix(colSums(.[, -(1:3)]), nrow = 1, ncol = 10)))
但最后做（...）比特似乎很笨拙。
我没有费心进行复制，只是使用system.time（）获得了一个粗略的度量。从外观上看，dplyr和data.table在我的数据集上的表现大致相同，而且如果使用得当，两者都比我昨天提出的hack解决方案要快得多。
共有1个答案
除非我遗漏了什么，否则这似乎是summarise_each的工作（类似于plyr中的colwise）：
sampleDF %.% group_by(locality, ageCat, dates) %.% summarise_each(funs(sum))
grouping列默认情况下不包括在汇总函数中，您只能选择一个列子集来应用函数，使用与使用select相同的技术。
（据我所知，summarise_each在dplyr的0.2版本中，但不在0.1.3版本中。）
-
如果我想从不同的组中随机选择一些样本，我使用plyr包和下面的代码 这里从每个物种中选取10个样本。 我的一些数据帧非常大，我的问题是我可以对dplyr包使用相同的srovGroup函数吗？或者有另一种方法可以在dplyr中做同样的事情？ 编辑 dplyr 包的 0.2 版引入了两个新功能，用于从表中选择随机行sample_n和sample_frac
-
我有一个熊猫数据框，如下所示。 我根据按数据帧分组。分组数据框在概念上如下所示。 现在，我正在寻找一个内置API，它将给我最大作业数的。对于上面的示例，-2具有最大计数。 更新：我希望具有最大作业计数，而不是具有最大作业计数的。对于上述示例，如果，则输出为。这能做到吗？
-
我需要创建一个具有特定形状的空数据框，例如[10,10]，以存储来自其他源的数据。 在熊猫中很简单： 但在红宝石使用达鲁，我不知道如何做到这一点。 相关问题：熊猫数据帧
-
问题内容： 我有一个如下所示的pandas数据框，并通过一列保存数据组： 现在，我想创建新的数据框（名为df_w，df_x，df_y，df_z），这些数据框仅保存其原始数据中的数据，并在一些可迭代的列表（例如列表）中进行最佳组合： 有没有使用groupby，apply和/或applymap和函数来实现此目的的智能（矢量化熊猫）方法？ 我当时正在考虑对数据框进行迭代，但这似乎不是很优雅。 预先感谢您
-
我试过了 但这行不通。在我最初的方法中，我通过将每周编号1-4的dataframe与我的rawdata文件合并来解决这个问题。这样，我每篇文章有4周的时间（行），但是使用for循环的实现效率非常低，所以我试图用dplyr（或任何其他更高效的包/函数）做同样的事情。任何建议都将不胜感激！
-
首先，请让我知道我正在做的是不是对dplyr的不当使用，因为我不确定我是否以最佳方式实现了这一点。我有以下数据帧： 我想做的过滤有点罗嗦，但我会尝试-我想通过删除col1 == '0 '的所有行来过滤数据帧，如果该行出现在该用户的第一行之后，其中col1 == '1 '。(粗体表示我把原问题搞砸了，把0和1调换了)。 例如，对于用户7，第3行的col1 == '1 '，所以我想过滤第3行之后col