另一个聚合

(对不起,如果标题不是很有用：我不知道如何更好地定义这个问题)

我的数据格式如下：

 

在每个组中,我有一个前置值和一个或两个后置值.我想将此表转换为以下内容：

我想用以下的方式对数据进行分组：

aggregate(mydata, by = group, FUN = myfunction)

要么

ddply(mydata, .(group), .fun = myfunction)

并在我的函数中处理每个组的元素.但我不知道如何做到这一点,因为我需要同时将类型和值传递给我的函数.有一个更好的方法吗？

更新：快速和脏的样本数据集：

mydata <- data.frame(group = sample(letters[1:5], 10, replace = TRUE), 
                     type = sample(c("pre", "post"), 10, replace = TRUE), 
                     value = rnorm(10))

尝试这样的事情：

mydf <- data.frame(group = c("A", "A", "B", "B",
                             "C", "C", "C", "D",
                             "D", "E", "E"),
                   type = c("pre", "post", "pre",
                            "post", "pre", "post",
                            "post", "pre", "post",
                            "pre", "post"),
                   value = 1:11)

times <- with(mydf, ave(value, group, type, FUN = seq_along))
xtabs(value ~ group + interaction(type, times), mydf)
#      interaction(type, times)
# group post.1 pre.1 post.2 pre.2
#     A      2     1      0     0
#     B      4     3      0     0
#     C      6     5      7     0
#     D      9     8      0     0
#     E     11    10      0     0

要么：

times <- with(mydf, ave(value, group, type, FUN = seq_along))  
mydf$timevar <- interaction(mydf$type, times)
reshape(mydf, direction = "wide", idvar = "group", 
        timevar="timevar", drop="type")
#    group value.pre.1 value.post.1 value.post.2
# 1      A           1            2           NA
# 3      B           3            4           NA
# 5      C           5            6            7
# 8      D           8            9           NA
# 10     E          10           11           NA

在两种解决方案中,关键是创建一个“时间”变量,该变量由“类型”和可以用ave创建的序列变量的组合表示.

为了完整,这里是来自“reshape2”的dcast：

times <- with(mydf, ave(value, group, type, FUN = seq_along))
library(reshape2)
dcast(mydf, group ~ type + times)
#   group post_1 post_2 pre_1
# 1     A      2     NA     1
# 2     B      4     NA     3
# 3     C      6      7     5
# 4     D      9     NA     8
# 5     E     11     NA    10