インデックスを使って複数の列を集約する巧妙な方法

Question

私の質問は比較的単純で、Rでそれを行う方法をすでに見つけましたが、教育的目的のためにもっと巧妙な方法を探しています。私の解決策はループを使用し、私は常にループをできるだけ避けるようにしています。ループ方法について

ind <- c(1,1,1,2,2,1,3,3,3,4) 

ザ・：

set.seed(1) 
tb <- matrix(round(runif(40,0,5)),4,10) 
tb 
    [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] 
[1,] 1 1 3 3 4 5 1 4 2  4 
[2,] 2 4 0 2 5 1 2 2 1  1 
[3,] 3 5 1 4 2 3 0 2 4  4 
[4,] 5 3 1 2 4 1 2 3 3  2 

私はindice（またはインデックス）ベクトル以下、それらをrowSumming列の異なるグループを組み合わせたい：

私は、テーブル（またはマトリックス）を持っています：

res.ls <- NULL 
for(i in unique(ind)) { 
    res.ls[[i]] <- rowSums(subset(tb,select=ind==i)) 
} 
do.call("cbind",res.ls) 
    [,1] [,2] [,3] [,4] 
[1,] 10 7 7 4 
[2,] 7 7 5 1 
[3,] 12 6 6 4 
[4,] 10 6 8 2 

私は確かにそれを行うにはスマートな方法があります。何かヒント？

Answer 1

あなたの結果はあなたの入力に一致するようにそれはいないようですが、あなたのロジック以下、あなたがrowsumを使用することができますが、元の行列の転置バージョンについて：

t(rowsum(t(tb), ind)) 

#  1 2 3 4 
#[1,] 15 4 6 3 
#[2,] 17 8 5 3 
#[3,] 11 4 5 3 
#[4,] 12 2 6 4 

---

またはON apply()機能を使用しますrowsum()を持つすべての行が二回移調避けるために：

t(apply(tb, 1, rowsum, ind)) 
#  [,1] [,2] [,3] [,4] 
#[1,] 15 4 6 3 
#[2,] 17 8 5 3 
#[3,] 11 4 5 3 
#[4,] 12 2 6 4 

---

あなたがデータフレームを使用している場合、それは行列にデータフレームを変換しないように、これはより効率的かもしれません：

df <- data.frame(tb) 
do.call(cbind, lapply(split.default(df, ind), rowSums)) # use split.default to split data 
# frames as multiple data frames by columns and apply rowSums to each sub data frame 

#  1 2 3 4 
#[1,] 15 4 6 3 
#[2,] 17 8 5 3 
#[3,] 11 4 5 3 
#[4,] 12 2 6 4 

Answer 2

ここsplitとrowSumsを使用して第二の方法があります：

sapply(split(tb, rep(ind, each=nrow(tb))), function(x) rowSums(matrix(x, nrow(tb)))) 
     1 2 3 4 
[1,] 10 7 7 4 
[2,] 7 7 5 1 
[3,] 12 6 6 4 
[4,] 10 6 8 2 

データ

set.seed(1) 
tb <- matrix(round(runif(40,0,5)),4,10) 
ind <- c(1,1,1,2,2,1,3,3,3,4) 

Answer 3

私は答えとしてこれを投稿すると仮定だわからないんだけど、私はEFFICをテストしたかったです私のループ、@ Psidom 3の回答、@ Imoの答え）のすべての5つの方法の有効性。だから、ループがその遅いとdata.frameではないようです

all(res1==res2) 
[1] TRUE 

all(res1==res3) 
[1] TRUE 

all(res1==res4) 
[1] TRUE 

all(res1==res5) 
[1] TRUE 

：

set.seed(1) 
tb <- matrix(round(runif(40000000,0,15)),40000,1000) 
ind <- round(runif(1000,1,300)) 

とすべてのオプション走った：私は私のデータが大きく作られてきたと

res.ls <- NULL 
system.time({ 
for(i in unique(ind)) { 
    res.ls[[i]] <- rowSums(subset(tb,select=ind==i)) 
} 
res1 <- do.call("cbind",res.ls) 
}) 
utilisateur  système  écoulé 
     0.60  0.04  0.64 

system.time(
res2 <- t(rowsum(t(tb), ind)) 
) 
utilisateur  système  écoulé 
     0.68  0.02  0.70 

system.time(
res3 <- t(apply(tb, 1, rowsum, ind)) 
) 
utilisateur  système  écoulé 
     20.01  0.21  20.24 

system.time(
res4 <- sapply(split(tb, rep(ind, each=nrow(tb))), function(x) rowSums(matrix(x, nrow(tb)))) 
) 
utilisateur  système  écoulé 
     58.68  0.42  59.13 


df1 <- data.frame(tb) 
system.time(
res5 <- do.call(cbind, lapply(split.default(df1, ind), rowSums))) 
utilisateur  système  écoulé 
     0.3   0.0   0.3 

をバージョンが最高です。面白い結果！