una - tablas en r

¿Cómo ejecutar tapply() en varias columnas de marco de datos usando R?

Question

Tengo un marco de datos como el siguiente:

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

La función tapply(df[,2], INDEX = df$a, sum) funciona bien para producir una tabla que sume todo en df [, 2] mediante df $ a, pero cuando intento tapply(df[,2:10], INDEX = df$a, sum) para obtener una tabla similar, excepto con una suma para cada columna (2, 3, 4, ..., 10), aparece un mensaje de error que dice:

Error en tapply (df [, 2:10], INDEX = df $ a, suma): los argumentos deben tener la misma longitud

Además, me gustaría que los nombres de las filas de la tabla sean los nombres de las columnas de df[,2:10] , de modo que la fila 1 sea b1, la fila 2 sea b2 y la fila 9 sea b9.

Answer 1

Aquí hay una manera de aplicar data.table a este problema.

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

Y aquí hay un enfoque dplyr

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

Answer 2

Esto se debe a que tapply funciona en vectores y transforma df [, 2: 10] en un vector. Además de eso, la suma le dará la suma total, no la suma por columna. Utilice aggregate() , por ejemplo:

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

Si desea que se devuelva una lista, puede usar by () para eso. Asegúrese de especificar colSums en lugar de la suma, como funciona en un marco de datos dividido:

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

Answer 3

Otra posibilidad es combinar apply y tapply .

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

Producirá la salida (que es una matriz)

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

Luego puede usar as.data.frame() para obtener un marco de datos como salida.