blocks|key|4643069|text|试试这个：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4643070|library(plyr)
df2+<-+ddply(df,+.(iter),+summarise,+ratio=paste(val[which(exp=="A")],"/",val[which(exp=="B")],sep=""))|code-block|syntax|javascript|4643071|这给了我：|4643072|++iter+++ratio
+++++1+2.3/3.6
+++++2+++++4/5|4643073|entityMap^0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|N|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|O|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|K|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|L|$]]

Try this:

<pre><code>library(plyr)
df2 &lt;- ddply(df, .(iter), summarise, ratio=paste(val[which(exp=="A")],"/",val[which(exp=="B")],sep=""))
</code></pre>

Which gave me:

<pre><code> iter ratio
 1 2.3/3.6
 2 4/5
</code></pre>

blocks|key|4643091|text|library(data.table)
DT+<-+as.data.table(df)
DT[,+list(ratio=+val[exp=="A"]+/+val[exp=="B"]),+by=iter]

+++iter++++ratio
1:++++1+0.638889
2:++++2+0.800000|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|4643092|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>library(data.table)
DT &lt;- as.data.table(df)
DT[, list(ratio= val[exp=="A"] / val[exp=="B"]), by=iter]

 iter ratio
1: 1 0.638889
2: 2 0.800000
</code></pre>

blocks|key|4643094|text|这是基地的一个解决方案。它比plyr解决方案要复杂一些，但也许它是有指导意义的。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|4643095|do.call(rbind,
+++by(df,
++++++df$iter,
++++++function(x)+{
+++++++++with(x,+
++++++++++++data.frame(
+++++++++++++++iter=iter[1],
+++++++++++++++ratio=val[which(exp=='A')]/val[which(exp=='B')]+##+Or+use+paste+to+get+a+text+representation+of+the+ratio
++++++++++++)
+++++++++)
++++++}
+++)
)
##+i+iter++++ratio
##+1++++1+0.638889
##+2++++2+0.800000|code-block|syntax|javascript|4643096|它将数据帧by拆分为iter列，然后取A+val元素与B元素的比率。它假设每个级别只有一个这样的值。|4643097|entityMap^0|E|4|0|0|5|2|A|4|J|1|L|3|R|1|0^^$0|@$1|2|3|4|5|6|7|O|8|@$9|P|A|Q|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|R|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|S|8|@$9|T|A|U|B|C]|$9|V|A|W|B|C]|$9|X|A|Y|B|C]|$9|Z|A|10|B|C]|$9|11|A|12|B|C]]|D|@]|E|$]]|$1|M|3|-4|5|6|7|13|8|@]|D|@]|E|$]]]|N|$]]

Here's a solution in base. It's somewhat more complex than the <code>plyr</code> solution, but perhaps it is instructive.

<pre><code>do.call(rbind,
 by(df,
 df$iter,
 function(x) {
 with(x, 
 data.frame(
 iter=iter[1],
 ratio=val[which(exp=='A')]/val[which(exp=='B')] ## Or use paste to get a text representation of the ratio
 )
 )
 }
 )
)
## i iter ratio
## 1 1 0.638889
## 2 2 0.800000
</code></pre>

It splits the data frame <code>by</code> the <code>iter</code> column, then takes the ratio of the <code>A</code> <code>val</code> element over the <code>B</code> element. It assumes that there is only one such value per level.

I have a sample dataset like the following:

<pre><code>df=data.frame(iter=c(1, 1, 2, 2), exp=c("A", "B", "A", "B"), 
 val=c(2.3, 3.6, 4.0, 5.0))
</code></pre>

The tabular form will be:

<pre><code> iter exp val
 1 A 2.3
 1 B 3.6
 2 A 4.0
 2 B 5.0
</code></pre>

I am trying to transform it in a way to group A and B, add a ratio column with value such as <code>df$val[1]/df$val[2]</code>, <code>df$val[3]/df$val[4]</code>, so the end result looks like:

<pre><code> iter ratio
 1 2.3/3.6
 2 4.0/5.0
</code></pre>

I feel this should be a job of ddply, but I couldn't see a path to get it done. Any help is appreciated.

aggregate and transform a dataset

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有一个示例数据集，如下所示：df=data.frame(iter=c(1, 1, 2, 2), exp=c("A", "B", "A", "B"),       val=c(2.3, 3.6, 4.0, 5.0))表格形式如下：  iter exp val    1   A  2.3    1   B  3.6   ...

问聚合和转换数据集
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问聚合和转换数据集EN