我有一个从各种csv文件中读取的数据帧列表。每个数据帧具有相同的格式(即,列是相同的)。
myList <- list(frame1, frame2, ..., frameN)
我经常需要对每个数据帧中的相应列执行一些计算,例如对给定日期(行)中每个数据帧中的所有工资列求和。
day <- 1
dailyTotal <- NULL
for(i in 1:N){
dailyTotal <- dailyTotal + myList[[i]]$Salary[day]
}
我想知道在没有for循环的情况下是否有更好的矢量化方法吗?
您真的应该考虑将数据帧重新绑定到一个大型数据框中,然后可以在其上执行拆分应用组合样式分析。
首先在列表中创建5个data.frames(使用cols name和salary)以尝试复制数据:
dfs <- replicate(5, data.frame(name=sample(letters, 10), salary=runif(10, 50000,100000)), simplify=F)
现在rbind
他们成为一个大型数据框架,额外的列df.name
来代表原始数据框架
dfs.bound <- do.call(rbind, mapply(cbind, df.name=paste("DF# ", 1:length(dfs)), dfs, SIMPLIFY=F))
str(dfs.bound)
# 'data.frame': 50 obs. of 3 variables:
# $ df.name: Factor w/ 5 levels "DF# 1","DF# 2",..: 1 1 1 1 1 1 1 1 1 1 ...
# $ name : Factor w/ 21 levels "a","g","h","j",..: 5 2 4 10 8 1 9 6 3 7 ...
# $ salary : num 94666 74596 78793 77120 60251 ...
并且拆分应用组合(显示三种方法,qazxsw poi只用一列,和qazxsw poi / qazxsw poi,它与许多一起工作):
tapply
使用plyr
和data.table
,我们可以添加更多列,以及不同的摘要统计信息。
tapply(dfs.bound$salary, dfs.bound$df.name, mean)
# DF# 1 DF# 2 DF# 3 DF# 4 DF# 5
# 74342.26 68222.44 71881.49 75840.18 63180.07
与@ BrodieG的方法相比,将数据保持为列表是有利有弊的。这取决于你想在分析的其他部分做什么等。所以这里是将数据保存为列表的方法:
plyr