Использовать значения в R-кадре данных в качестве индекса для подмножества и суммирования другого фрейма данных

Question

Использовать значения в R-кадре данных в качестве индекса для подмножества и суммирования другого фрейма данных

Если вы хотите играть, а не использовать хорошее решение , вы можете немного поиграть с интроспекцией python:

import settings
from django.db import models

for app in settings.INSTALLED_APPS:
  models_name = app + ".models"
  try:
    models_module = __import__(models_name, fromlist=["models"])
    attributes = dir(models_module)
    for attr in attributes:
      try:
        attrib = models_module.__getattribute__(attr)
        if issubclass(attrib, models.Model) and attrib.__module__== models_name:
          print "%s.%s" % (models_name, attr)
      except TypeError, e:
        pass
  except ImportError, e:
    pass

Примечание: это довольно грубая штука кода; он предположит, что все модели определены в «models.py» и что они наследуются от django.db.models.Model.

2

r

задан Bill O'Brien 18 January 2019 в 14:34

2 ответа

Другие вопросы по тегам:

r

Похожие вопросы:

score 0 · Answer 1

Это можно сделать с помощью Map, чтобы получить последовательность индексов из столбцов «x», поднастроить столбец «value» для «y», основываясь на этом, получить mean и создать значение «mean.value». 'column in' x '

x['mean.value'] <- sapply(do.call(Map, c(f = `:`, x)), function(x) mean(y$value[x]))
#
#     start end mean.value
#1     1   2  0.3188163
#2     3   4  0.7405306

Его также можно упростить как

x['mean.value'] <- mapply(function(i, j)  mean(y$value[i:j]),  x$start, x$end)

Аналогичным вариантом с tidyverse будет использование map2 (из purrr)

library(tidyverse)
x %>%
    mutate(mean.value = map2_dbl(start, end, ~  mean(y$value[.x:.y])))

score 0 · Answer 2

Другим способом, используя sapply, циклически перебирая каждую строку в x, мы подбираем соответствующие строки из y и берем mean из них.

x$mean_value <- sapply(seq_len(nrow(x)), function(i) mean(y[unlist(x[i,]),]))
x

#  start end mean_value
#1     1   2  0.3188163
#2     3   4  0.7405306