ص:ما هي أفضل الوظائف للتعامل مع القيم المتسلسلة ومتوسطها في data.frame؟

Question

لدي data.frame من هذا الرمز:

   my_df = data.frame("read_time" = c("2010-02-15", "2010-02-15", 
                                      "2010-02-16", "2010-02-16", 
                                       "2010-02-16", "2010-02-17"), 
                      "OD" = c(0.1, 0.2, 0.1, 0.2, 0.4, 0.5) )

الذي ينتج هذا:

> my_df
   read_time  OD
1 2010-02-15 0.1
2 2010-02-15 0.2
3 2010-02-16 0.1
4 2010-02-16 0.2
5 2010-02-16 0.4
6 2010-02-17 0.5

أريد حساب متوسط ​​عمود OD خلال كل وقت قراءة مميز (لاحظ أن بعضها يتم نسخه والبعض الآخر لا يتم نسخه) وأود أيضًا حساب الانحراف المعياري، وإنتاج جدول مثل هذا:

> my_df
   read_time  OD        stdev
1 2010-02-15 0.15       0.05
5 2010-02-16 0.3         0.1
6 2010-02-17 0.5         0

ما هي أفضل الوظائف للتعامل مع سلسلة هذه القيم في data.frame؟

Answer 1

ال plyr الحزمة تحظى بشعبية كبيرة لهذا، ولكن الوظائف الأساسية by() و aggregate() سوف يساعد أيضا.

> ddply(my_df, "read_time", function(X) data.frame(OD=mean(X$OD),stdev=sd(X$OD)))
   read_time      OD   stdev
1 2010-02-15 0.15000 0.07071
2 2010-02-16 0.23333 0.15275
3 2010-02-17 0.50000      NA

يمكنك إضافة البت المفقود لإرجاع 0 بدلاً من NA لآخر std.dev.

أيضًا، لا تحتاج إلى علامات الاقتباس (على المتغيرات) التي كانت لديك في إنشاء data.frame.

Answer 2

يمكنك تجربة الحزمة data.table.إذا كنت تعرف MySQL، فمن المفترض أن يكون من السهل عليك الحصول على جميع الوظائف، وإلا فإن الأساسيات جيدة بما فيه الكفاية أيضًا؛-)

my_dfdt<-data.table(my_df)
mean<-my_dfdt[,mean(OD), by="read_time"]
sd<-  ..  

يمكنك أيضًا الانضمام إلى كليهما في سطر واحد أو الربط في النهاية، وهو ما يناسب أسلوبك

ميزة أخرى:إنه سريع للغاية، إذا كان لديك عينات كبيرة.سريع جدًا...راجع الوثائق لماذا.

Answer 3

وهذا يوضح كيف يمكنك استخدام aggregate للحصول على المتوسط ​​والانحراف المعياري من خلال الخاص بك read_time.

>aggregate(my_df$OD, by=list(my_df$read_time), function(x) mean(x))

     Group.1         x
1 2010-02-15 0.1500000
2 2010-02-16 0.2333333
3 2010-02-17 0.5000000


>aggregate(my_df$OD, by=list(my_df$read_time), function(x) sd(x))
     Group.1          x
1 2010-02-15 0.07071068
2 2010-02-16 0.15275252
3 2010-02-17         NA