我有一个数据框,其中有一些相同的名称,并且希望获得一些相关数字的一些基本统计数据。最初,数据是这样的:
name res1 res2 res3
foo 1.1 NA 10
foo 2.4 NA 2.1
foo NA 1 1.2
bar 1 2 3
为了获得统计数据,我正在考虑像这样嵌套数据:
name res1 res2 res3
foo [1.1,2.4] [1] [10,2.1,1.2]
bar [1] [2] [3]
这将是一个执行诸如获取每个向量的平均值和标准差等操作的步骤。即,然后我将添加 res1 的平均值、res1 的 SD 等列。如何根据列中的相同值嵌套数据框?
虽然我同意 thelatemail 的建议,但您可以使用
dplyr
获得所需的输出:
library(dplyr)
dtf %>% group_by(name) %>% summarize_all( ~ list(.[!is.na(.)]))
# # A tibble: 2 x 4
# name res1 res2 res3
# <fctr> <list> <list> <list>
# 1 bar <dbl [1]> <int [1]> <dbl [1]>
# 2 foo <dbl [2]> <int [1]> <dbl [3]>
数据:
dtf <- read.table(textConnection('name res1 res2 res3
foo 1.1 NA 10
foo 2.4 NA 2.1
foo NA 1 1.2
bar 1 2 3'), header = TRUE)
我花了几个小时,但我根据latemail的评论制定了一个策略,创建一个长版本。
输入数据(感谢mt1022提供代码)。
dat <- read.table(textConnection('
name res1 res2 res3
foo 1.1 NA 10
foo 2.4 NA 2.1
foo NA 1 1.2
bar 1 2 3'), header = TRUE)
根据评论创建长版本:
long <- cbind(dat["name"], stack(dat[-1]))
按照here,使用ddply输出统计数据。
library(plyr)
ddply(long, c("name","ind"), summarise,
count = length(values[!is.na(values)]),
mean = mean(values[!is.na(values)]),
sd = sd(values[!is.na(values)]),
sem = sd(values[!is.na(values)])/sqrt(length(values[!is.na(values)])))
tidyverse
通过 nest
和 map
提供此功能
mydf <- structure(list(name = c("foo", "foo", "foo", "bar"), res1 = c(1.1,
2.4, NA, 1), res2 = c(NA, NA, 1L, 2L), res3 = c(10, 2.1, 1.2,
3)), .Names = c("name", "res1", "res2", "res3"), row.names = c(NA,
-4L), class = c("data.table", "data.frame"))
library(tidyverse)
# nest 'other'-columns by `name` group
nesteddf <- mydf %>%
group_by(name) %>%
nest()
# name data
# <chr> <list>
# 1 foo <tibble [3 x 3]>
# 2 bar <tibble [1 x 3]>
# perform operations on nested data with `mutate(data = map(data, ~...)`
stats <- nesteddf %>%
mutate(data = map(data, ~mean(.x$res3, na.rm=TRUE))) %>%
unnest(data)
# name data
# <chr> <dbl>
# 1 foo 4.433333
# 2 bar 3.000000