चूँकि मुझे एहसास हुआ कि (बहुत ही उत्कृष्ट) इस पोस्ट के उत्तर में कमी byऔर aggregateस्पष्टीकरण हैं। यहाँ मेरा योगदान है।
द्वारा
byसमारोह, के रूप में दस्तावेज में कहा गया है, हालांकि हो सकता है, के लिए एक "आवरण" के रूप में tapply। byजब हम किसी ऐसे कार्य की गणना करना चाहते हैं जो tapplyसंभाल नहीं सकता है, तो शक्ति उत्पन्न होती है । एक उदाहरण यह कोड है:
ct <- tapply(iris$Sepal.Width , iris$Species , summary )
cb <- by(iris$Sepal.Width , iris$Species , summary )
cb
iris$Species: setosa
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.300 3.200 3.400 3.428 3.675 4.400
--------------------------------------------------------------
iris$Species: versicolor
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.000 2.525 2.800 2.770 3.000 3.400
--------------------------------------------------------------
iris$Species: virginica
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.200 2.800 3.000 2.974 3.175 3.800
ct
$setosa
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.300 3.200 3.400 3.428 3.675 4.400
$versicolor
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.000 2.525 2.800 2.770 3.000 3.400
$virginica
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.200 2.800 3.000 2.974 3.175 3.800
अगर हम इन दो वस्तुओं प्रिंट, ctऔर cb, हम "अनिवार्य" एक ही परिणाम है और केवल मतभेद कि वे किस तरह दिखाया जाता है और विभिन्न में हैं classक्रमशः, विशेषताओं byके लिए cbऔर arrayके लिए ct।
जैसा कि मैंने कहा है, byजब हम उपयोग नहीं कर सकते हैं तो उठती है tapply; निम्नलिखित कोड एक उदाहरण है:
tapply(iris, iris$Species, summary )
Error in tapply(iris, iris$Species, summary) :
arguments must have same length
आर का कहना है कि तर्कों की लंबाई समान होनी चाहिए, "हम कारक के साथ-साथ summaryसभी चर की गणना करना चाहते हैं ": लेकिन आर बस ऐसा नहीं कर सकता क्योंकि यह नहीं जानता कि कैसे संभालना है।irisSpecies
byफ़ंक्शन के साथ आर data frameवर्ग के लिए एक विशिष्ट विधि भेजते हैं और फिर summaryफ़ंक्शन को काम करने देते हैं भले ही पहले तर्क की लंबाई (और प्रकार भी) अलग हो।
bywork <- by(iris, iris$Species, summary )
bywork
iris$Species: setosa
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.300 Min. :2.300 Min. :1.000 Min. :0.100 setosa :50
1st Qu.:4.800 1st Qu.:3.200 1st Qu.:1.400 1st Qu.:0.200 versicolor: 0
Median :5.000 Median :3.400 Median :1.500 Median :0.200 virginica : 0
Mean :5.006 Mean :3.428 Mean :1.462 Mean :0.246
3rd Qu.:5.200 3rd Qu.:3.675 3rd Qu.:1.575 3rd Qu.:0.300
Max. :5.800 Max. :4.400 Max. :1.900 Max. :0.600
--------------------------------------------------------------
iris$Species: versicolor
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.900 Min. :2.000 Min. :3.00 Min. :1.000 setosa : 0
1st Qu.:5.600 1st Qu.:2.525 1st Qu.:4.00 1st Qu.:1.200 versicolor:50
Median :5.900 Median :2.800 Median :4.35 Median :1.300 virginica : 0
Mean :5.936 Mean :2.770 Mean :4.26 Mean :1.326
3rd Qu.:6.300 3rd Qu.:3.000 3rd Qu.:4.60 3rd Qu.:1.500
Max. :7.000 Max. :3.400 Max. :5.10 Max. :1.800
--------------------------------------------------------------
iris$Species: virginica
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.900 Min. :2.200 Min. :4.500 Min. :1.400 setosa : 0
1st Qu.:6.225 1st Qu.:2.800 1st Qu.:5.100 1st Qu.:1.800 versicolor: 0
Median :6.500 Median :3.000 Median :5.550 Median :2.000 virginica :50
Mean :6.588 Mean :2.974 Mean :5.552 Mean :2.026
3rd Qu.:6.900 3rd Qu.:3.175 3rd Qu.:5.875 3rd Qu.:2.300
Max. :7.900 Max. :3.800 Max. :6.900 Max. :2.500
यह वास्तव में काम करता है और परिणाम बहुत आश्चर्यजनक है। यह वर्ग की एक ऐसी वस्तु है byजो Species(प्रत्येक के लिए) कहती है, summaryप्रत्येक चर की गणना करती है।
ध्यान दें कि यदि पहला तर्क एक है data frame, तो प्रेषण फ़ंक्शन में ऑब्जेक्ट के उस वर्ग के लिए एक विधि होनी चाहिए। उदाहरण के लिए, हम इस कोड का उपयोग उस meanफ़ंक्शन के साथ करेंगे जिसमें हमारा यह कोड होगा जिसका कोई अर्थ नहीं है:
by(iris, iris$Species, mean)
iris$Species: setosa
[1] NA
-------------------------------------------
iris$Species: versicolor
[1] NA
-------------------------------------------
iris$Species: virginica
[1] NA
Warning messages:
1: In mean.default(data[x, , drop = FALSE], ...) :
argument is not numeric or logical: returning NA
2: In mean.default(data[x, , drop = FALSE], ...) :
argument is not numeric or logical: returning NA
3: In mean.default(data[x, , drop = FALSE], ...) :
argument is not numeric or logical: returning NA
समग्र
aggregatetapplyअगर हम इसे इस तरह से इस्तेमाल करते हैं तो इसे एक और तरह के उपयोग के रूप में देखा जा सकता है ।
at <- tapply(iris$Sepal.Length , iris$Species , mean)
ag <- aggregate(iris$Sepal.Length , list(iris$Species), mean)
at
setosa versicolor virginica
5.006 5.936 6.588
ag
Group.1 x
1 setosa 5.006
2 versicolor 5.936
3 virginica 6.588
दो तत्काल मतभेद हैं कि का दूसरा तर्क aggregate चाहिए एक सूची हो, जबकि tapply कर सकते हैं (अनिवार्य नहीं) एक सूची हो सकता है और के उत्पादन में है कि aggregateएक डेटा फ्रेम है, जबकि में से एक tapplyएक है array।
की शक्ति aggregateयह है कि यह आसानी से subsetतर्क के साथ डेटा के सबसेट को संभाल सकता है और यह tsवस्तुओं और formulaसाथ ही तरीकों के लिए है ।
ये तत्व कुछ स्थितियों में इसके aggregateसाथ काम करना आसान बनाते हैं tapply। यहाँ कुछ उदाहरण हैं (प्रलेखन में उपलब्ध):
ag <- aggregate(len ~ ., data = ToothGrowth, mean)
ag
supp dose len
1 OJ 0.5 13.23
2 VC 0.5 7.98
3 OJ 1.0 22.70
4 VC 1.0 16.77
5 OJ 2.0 26.06
6 VC 2.0 26.14
हम इसे हासिल कर सकते हैं tapplyलेकिन वाक्य रचना थोड़ी कठिन है और आउटपुट (कुछ परिस्थितियों में) कम पठनीय है:
att <- tapply(ToothGrowth$len, list(ToothGrowth$dose, ToothGrowth$supp), mean)
att
OJ VC
0.5 13.23 7.98
1 22.70 16.77
2 26.06 26.14
ऐसे समय होते हैं जब हम उपयोग नहीं कर सकते हैं byया tapplyहमें उपयोग करना पड़ता है aggregate।
ag1 <- aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, mean)
ag1
Month Ozone Temp
1 5 23.61538 66.73077
2 6 29.44444 78.22222
3 7 59.11538 83.88462
4 8 59.96154 83.96154
5 9 31.44828 76.89655
हम पिछले परिणाम को tapplyएक कॉल में प्राप्त नहीं कर सकते हैं, लेकिन हमें Monthप्रत्येक तत्वों के लिए माध्य की गणना करनी होगी और फिर उन्हें संयोजित करना होगा (यह भी ध्यान दें कि हमें कॉल करना होगा na.rm = TRUE, क्योंकि फ़ंक्शन के formulaतरीके aggregateडिफ़ॉल्ट रूप से हैं na.action = na.omit):
ta1 <- tapply(airquality$Ozone, airquality$Month, mean, na.rm = TRUE)
ta2 <- tapply(airquality$Temp, airquality$Month, mean, na.rm = TRUE)
cbind(ta1, ta2)
ta1 ta2
5 23.61538 65.54839
6 29.44444 79.10000
7 59.11538 83.90323
8 59.96154 83.96774
9 31.44828 76.90000
जब तक byहम सिर्फ यह नहीं प्राप्त कर सकते कि वास्तव में निम्न फ़ंक्शन कॉल में त्रुटि होती है (लेकिन सबसे अधिक संभावना यह आपूर्ति फ़ंक्शन से संबंधित है, mean)
by(airquality[c("Ozone", "Temp")], airquality$Month, mean, na.rm = TRUE)
अन्य बार परिणाम समान होते हैं और अंतर केवल कक्षा में होते हैं (और फिर इसे कैसे दिखाया / मुद्रित किया जाता है और न केवल - उदाहरण के लिए, इसे कैसे घटाया जाता है) वस्तु:
byagg <- by(airquality[c("Ozone", "Temp")], airquality$Month, summary)
aggagg <- aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, summary)
पिछला कोड समान लक्ष्य और परिणाम प्राप्त करता है, कुछ बिंदुओं पर जो उपकरण का उपयोग करना है वह सिर्फ व्यक्तिगत स्वाद और जरूरतों का मामला है; पिछली दो वस्तुओं की सबसे बड़ी ज़रूरतें हैं।
*apply()औरby। plyr (कम से कम मेरे लिए) इसमें बहुत अधिक सुसंगत लगता है कि मुझे हमेशा पता है कि यह किस डेटा प्रारूप की अपेक्षा करता है और वास्तव में यह क्या कहेगा। जिससे मुझे बहुत परेशानी होती है।