如何使用 R 在数据框的多列上运行tapply()？

Question

我有一个如下所示的数据框：

a   b1  b2  b3  b4  b5  b6  b7  b8  b9
D   4   6   9   5   3   9   7   9   8
F   7   3   8   1   3   1   4   4   3
R   2   5   5   1   4   2   3   1   6
D   9   2   1   4   3   3   8   2   5
D   5   4   3   1   6   4   1   8   3
R   3   7   9   1   8   5   3   4   2
D   4   1   8   2   6   3   2   7   5
F   7   1   7   2   7   1   6   2   4
D   6   3   9   3   9   9   7   1   2

函数 tapply(df[,2], INDEX = df$a, sum) 可以很好地生成一个表，该表将 df[,2] 中的所有内容相加df$a，但是当我尝试 tapply(df[,2:10], INDEX = df$a, sum) 获取类似的表时，除了每列的总和 (2, 3, 4,..., 10)，我收到一条错误消息：

tapply(df[, 2:10], INDEX = df$a, sum) 中的错误：参数必须具有相同的长度

此外，我希望表的行名称是 df[,2 的列名称:10]，这样第 1 行是 b1，第 2 行是 b2，第 9 行是 b9。

Answer 1

这是因为 tapply 适用于向量，并将 df[,2:10] 转换为向量。接下来， sum 将为您提供总和，而不是每列的总和。使用aggregate()，例如：

aggregate(df[,2:10],by=list(df$a), sum)

如果你想返回一个列表，你可以使用by()。确保指定 colSums 而不是 sum，因为 by 适用于分割的数据帧：

by(df[,2:10],df$a,FUN=colSums)

Answer 2

另一种可能性是结合 apply 和 tapply。

apply(df[,-1], 2, function(x) tapply(x, df$a, sum))

将产生输出（这是一个矩阵），

    b1  ...   b9
D   sD1 ...  sD9
F   sF1 ...  sF9
R   sR1 ...  sR9

然后您可以使用 as.data.frame() 获取数据帧作为输出。

Answer 3

这是一种应用data.table来解决这个问题的方法。

library(data.table)
DT <- data.table(df)
DT[, lapply(.SD, sum), by=a]

这是一个 dplyr 方法

library(dplyr)
df %>% group_by(a) %>% summarise_all(funs(sum))