auf gleichen Werten in einer Spalte und Speichern der Ergebnisse in einer neuen Datenrahmen basierend Looping

Question

mein Problem zu erklären, ich habe folgende df erstellt:

hh_01 <- c(rep(1:4, each = 3), rep(5:10, each = 5)) 
vill <- c(rep(100, 12), rep(101, 30)) 
hh_02 <- c(2:4, 1, 3, 4, 1:2, 4, 1:3, 6:10, 5, 7:10, 5:6, 8:10, 5:7, 9:10, 5:8, 10, 5:9) 
set.seed(1); dist <- abs(rnorm(42, mean = 0, sd = 1000)) 
df <- matrix(c(hh_01, vill, hh_02, dist), nrow = 42, ncol = 4) 
colnames(df) <- c("hh_01", "vill", "hh_02", "dist") 
df <- as.data.frame(df) 
df 
    hh_01 vill hh_02  dist 
1  1 100  2 1728.39791 
2  1 100  3 979.05280 
3  1 100  4 972.09301 
4  2 100  1 461.72457 
5  2 100  3 384.84236 
6  2 100  4 523.10665 
7  3 100  1 482.88891 
8  3 100  2 218.27501 
9  3 100  4 878.32424 
10  4 100  1 41.75679 
11  4 100  2 967.72103 
12  4 100  3 661.80881 
13  5 101  6 851.74364 
14  5 101  7 852.48595 
15  5 101  8 471.51824 
16  5 101  9 862.90742 
17  5 101 10 750.57410 
18  6 101  5 1714.03797 
19  6 101  7 93.43975 
20  6 101  8 640.15912 
21  6 101  9 601.66437 
22  6 101 10 969.44271 
23  7 101  5 77.95871 
24  7 101  6 604.71114 
25  7 101  8 169.18386 
26  7 101  9 435.42663 
27  7 101 10 604.22278 
28  8 101  5 475.18935 
29  8 101  6 13.09895 
30  8 101  7 2873.04565 
31  8 101  9 1019.03810 
32  8 101 10 41.51445 
33  9 101  5 914.63453 
34  9 101  6 67.62432 
35  9 101  7 85.45653 
36  9 101  8 971.21044 
37  9 101 10 2074.87280 
38 10 101  5 98.43913 
39 10 101  6 437.63773 
40 10 101  7 620.47573 
41 10 101  8 376.56226 
42 10 101  9 1013.93106 

Meine Aufgabe: für alle hh_01 mit dem gleichen Wert der Berechnung Mittelwert von dist und das Ergebnis in einem neuen df mit folgenden Struktur speichern:

hh_01 vill mean_dist 
1  100 1226.515 
2  100 ....... 

ich weiß, dass ich die for Schleife verwenden (oder vielleicht alternativ sapply/lapply oder), aber ich weiß nicht, wie man diesen Befehl beenden ...

Ich weiß, das sind Grundlagen in der Programmierung (nicht nur in R), aber ich bin kein Programmierer und ziemlich neu in diesem Bereich ...) Ich würde jede Hilfe zu schätzen wissen. Je einfacher der Code, desto besser für mich (bitte mit kurzer Erklärung). Ich würde diese Art von Schleifen (oder Schleifen im Allgemeinen) gerne verstehen, weil ich in Zukunft sehr oft mit dieser Art von Fragen arbeiten muss. Vielen Dank.

Answer 1

Hier ist eine Version mit dplyr Paket - obwohl ich ein anderes Ergebnis von Ihnen bekommen. Eine der wichtigen Eigenschaften von R ist, dass viele Funktionen vectorized sind, was bedeutet, dass sie auf einer ganzen Struktur operieren können, ohne ein For- oder Apply-Konstrukt verwenden zu müssen (das For oder Apply ist innerhalb der Funktion verborgen). Beachten Sie auch die vereinfachte Methode zum Erstellen eines Datenrahmens.

set.seed = 123 
df <- data.frame(
    hh_01 = c(rep(1:4, each = 3), rep(5:10, each = 5)), 
    vill = c(rep(100, 12), rep(101, 30)), 
    hh_02 = c(2:4, 1, 3, 4, 1:2, 4, 1:3, 6:10, 5, 7:10, 5:6, 8:10, 5:7, 9:10, 5:8, 10, 5:9), 
    dist = abs(rnorm(42, mean = 0, sd = 1000)) 
) 



library(dplyr) 
df2 <- df %>% 
    group_by(hh_01, vill) %>% 
    summarize(mean_dist = mean(dist)) 
df2 

# hh_01 vill mean_dist 
# < int> <dbl>  <dbl> 
# 1  1 100 1265.9534 
# 2  2 100 855.2477 
# 3  3 100 840.0750 
# 4  4 100 876.0722 
# 5  5 101 574.8193 
# 6  6 101 559.2385 
# 7  7 101 1177.1751 
# 8  8 101 765.6921 
# 9  9 101 438.8936 
# 10 10 101 331.3354 

Answer 2

Das dplyr Paket ist eine große Hilfe hier.

library(dplyr) 

new_df <- group_by(df, hh_01, vill) 
new_df <- summarize(new_df, mean_dist=mean(dist)) 

Beispiel Ausgabe:

hh_01 vill mean_dist 
    <dbl> <dbl>  <dbl> 
1  1 100 666.0538 
2  2 100 720.5532 

Eine große dplyr Spickzettel hier zu finden ist: http://nbviewer.jupyter.org/github/rstudio/cheatsheets/blob/master/source/pdfs/data-transformation-cheatsheet.pdf

summarize ist eine vektorisiert Funktion - summarize kümmert sich effizient für Sie Looping.

Answer 3

Sie können auch aggregate verwenden:

dfnew<-aggregate(df[c("hh_01","vill","dist")],by=list(df$hh_01),mean)[-1]