R: agregacja z funkcją specyficzną dla kolumny

Question

Chciałbym agregować ramkę danych według przedziału czasu, stosując inną funkcję do każdej kolumny. Wydaje mi się, że prawie straciłem aggregate i podzieliłem moje dane na przedziały z pakietem chron, co było dość łatwe.

Ale nie jestem pewien, jak przetworzyć podzestawy. Wszystkie funkcje mapowania, *apply, *ply, przyjmują jedną funkcję (miałem nadzieję, że coś, co wziął wektor funkcji do zastosowania na kolumnę lub zmienną, ale nie znalazłem), więc piszę funkcję, która zajmuje Moje podzbiory ramek danych i daje mi średnią dla wszystkich zmiennych, z wyjątkiem "czasu", który jest indeksem, i "Runoff", który powinien być sumą.

Próbowałem to:

aggregate(d., list(Time=trunc(d.$time, "00:10:00")), function (dat) with(dat, 
list(Time=time[1], mean(Port.1), mean(Port.1.1), mean(Port.2), mean(Port.2.1), 
mean(Port.3), mean(Port.3.1), mean(Port.4), mean(Port.4.1), Runoff=sum(Port.5)))) 

który byłby na tyle brzydkie, nawet jeśli to nie daje mi ten błąd:

Error in eval(substitute(expr), data, enclos = parent.frame()) : 
    not that many frames on the stack 

który mówi mi, że naprawdę robi coś złego. Z tego, co widziałem w R, myślę, że musi to być elegancki sposób, ale co to jest?

dput:

d. <- structure(list(time = structure(c(15030.5520833333, 15030.5555555556, 
15030.5590277778, 15030.5625, 15030.5659722222), format = structure(c("m/d/y", 
"h:m:s"), .Names = c("dates", "times")), origin = structure(c(1, 
1, 1970), .Names = c("month", "day", "year")), class = c("chron", 
"dates", "times")), Port.1 = c(0.359747, 0.418139, 0.417459, 
0.418139, 0.417459), Port.1.1 = c(1.3, 11.8, 11.9, 12, 12.1), 
    Port.2 = c(0.288837, 0.335544, 0.335544, 0.335544, 0.335544 
    ), Port.2.1 = c(2.3, 13, 13.2, 13.3, 13.4), Port.3 = c(0.253942, 
    0.358257, 0.358257, 0.358257, 0.359002), Port.3.1 = c(2, 
    12.6, 12.7, 12.9, 13.1), Port.4 = c(0.352269, 0.410609, 0.410609, 
    0.410609, 0.410609), Port.4.1 = c(5.9, 17.5, 17.6, 17.7, 
    17.9), Port.5 = c(0L, 0L, 0L, 0L, 0L)), .Names = c("time", 
"Port.1", "Port.1.1", "Port.2", "Port.2.1", "Port.3", "Port.3.1", 
"Port.4", "Port.4.1", "Port.5"), row.names = c(NA, 5L), class = "data.frame") 

Answer 1

Jest wiele rzeczy nie tak z twoim podejściem. Ogólna rada nie polega na tym, aby iść prosto do tego, co według ciebie powinno wyglądać końcowym stwierdzeniem, ale pracować w krokach, w przeciwnym razie utrudnia to debugowanie (rozumienie i naprawianie błędów).

Na przykład, można zaczęli z:

aggregate(d., list(Time=trunc(d.$time, "00:10:00")), identity) 

zauważyć, że coś jest nie tak ze zmiennej dzielonej. Podobno aggregate nie lubi pracy z tą klasą danych. Można rozwiązać ten problem poprzez przekształcenie Time do numeryczna:

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), identity) 

Następnie można spróbować

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), apply.fun) 

gdzie apply.fun to funkcja zdefiniowana przez użytkownika. To nie z dość criptic wiadomości, ale działa

aggregate(d., list(Time=as.numeric(trunc(d.$time, "00:10:00"))), print) 

pomaga uświadomić sobie, że funkcja FUN wewnątrz aggregate nie jest wywoływana raz dla każdego elementu danych (i przeszedł data.frame), ale jest wywoływana raz dla każdej kolumny z twoich danych (i przekazał nienazwany wektor), więc nie ma możliwości uzyskania pożądanego rezultatu przy użyciu aggregate.

Zamiast tego można użyć funkcji ddply z pakietu plyr. Tam funkcja zastosowana do każdego elementu otrzymuje dane.rama, dzięki czemu można zrobić coś takiego:

apply.fun <- function(dat) with(dat, data.frame(Time=time[1], 
               mean(Port.1), 
               mean(Port.1.1), 
               mean(Port.2), 
               mean(Port.2.1), 
               mean(Port.3), 
               mean(Port.3.1), 
               mean(Port.4), 
               mean(Port.4.1), 
               Runoff=sum(Port.5))) 

d.$Time <- as.numeric(trunc(d.$time, "00:10:00")) 
library(plyr) 
ddply(d., "Time", apply.fun) 

#   Time mean.Port.1. mean.Port.1.1. mean.Port.2. mean.Port.2.1. 
# 1 15030.5520833 0.4061886   9.82 0.3262026   11.04 
# mean.Port.3. mean.Port.3.1. mean.Port.4. mean.Port.4.1. Runoff 
# 1  0.337543   10.66  0.398941   15.32  0 

Edit: Follow-up na @roysc mowa w pierwszym komentarzu poniżej, można zrobić:

apply.fun <- function(dat) { 
    out <- as.data.frame(lapply(dat, mean)) 
    out$Time <- dat$time[1] 
    out$Runoff <- sum(dat$Port.5) 
    return(out) 
} 

Answer 2

Jak na ten temat?

library(plyr) 
ddply(d., .(time), colMeans) 

Answer 3

Zastosowanie by zamiast aggregate.

Jeśli f jest samee jako anonimową funkcję tą różnicą, że list w terminie jest zastąpiony data.frame tak że f <- function(dat) with(dat, data.frame(...whatever...)) następnie:

d.by <- by(d., list(Time = trunc(d.$time, "00:10:00")), f) 
d.rbind <- do.call("rbind", d.by) # bind rows together 

# fix up row and column names 
rownames(d.rbind) <- NULL 
colnames(d.rbind) <- colnames(d.) 

Mogliśmy usunąć ostatni oświadczenie, które przypisuje nazwy kolumn jeśli f dodał Itself nazwy a nie tylko Time.