Uno de los patrones de diseño que uso una y otra vez es realizar un "grupo por" o "dividir, aplicar, combinar (SAC)" en un marco de datos y luego unir los datos agregados volver a los datos originales. Esto es útil, por ejemplo, al calcular la desviación de cada condado de la media del estado en un marco de datos con muchos estados y condados. Rara vez mi cálculo agregado es solo una media simple, pero es un buen ejemplo. A menudo resolver este problema de la siguiente manera:Uniendo valores agregados al marco de datos original
require(plyr)
set.seed(1)
## set up some data
group1 <- rep(1:3, 4)
group2 <- sample(c("A","B","C"), 12, rep=TRUE)
values <- rnorm(12)
df <- data.frame(group1, group2, values)
## got some data, so let's aggregate
group1Mean <- ddply(df, "group1", function(x)
data.frame(meanValue = mean(x$values)))
df <- merge(df, group1Mean)
df
que produce buenos datos agregados como el siguiente:
> df
group1 group2 values meanValue
1 1 A 0.48743 -0.121033
2 1 A -0.04493 -0.121033
3 1 C -0.62124 -0.121033
4 1 C -0.30539 -0.121033
5 2 A 1.51178 0.004804
6 2 B 0.73832 0.004804
7 2 A -0.01619 0.004804
8 2 B -2.21470 0.004804
9 3 B 1.12493 0.758598
10 3 C 0.38984 0.758598
11 3 B 0.57578 0.758598
12 3 A 0.94384 0.758598
Esto funciona, pero ¿Hay maneras alternativas de hacer esto, que mejoran la legibilidad, el rendimiento, etc?
Ver http://stackoverflow.com/questions/4998846/applying-an-aggregate-function-over-multiple-different-slices/5000040#5000040 –