تصنيف أو قطع dataframe من قائمة الفئة مجموعة وتلخيص ذلك مع ddply

Question

لدي سؤال حول ddply و فرعية.

لدي dataframe df مثل هذا :

df <- read.table(textConnection(
"   id v_idn v_seed v_time v_pop v_rank v_perco 
    1  15    125648 0      150   1      15      
    2  17    125648 0      120   2      5       
    3  18    125648 0      100   3      6       
    4  52    125648 0      25    4      1       

    5  17    125648 10     220   1      5      
    6  15    125648 10     160   2      15       
    7  18    125648 10     110   3      6      
    8  52    125648 10     50    4      1       

    9  56   -11152  0      250   1      17      
    10 15   -11152  0      180   2      15      
    11 18   -11152  0      110   3      6       
    12 22   -11152  0      5     4      14      

    13 56   -11152  10     250   1      17      
    14 15   -11152  10     180   2      15      
    15 22   -11152  10     125   3      14      
    16 18   -11152  10     120   4      6 "), header=TRUE)      

خطوة واحدة :

لدي قائمة من المساواة الفاصل مع cut_interval مثل هذا :

myinterval <- cut_interval(c(15,5,6,1,17,14), length=10)  

لذلك يجب مستويين هنا :[0,10) و (10,20]

الخطوة الثانية :

أريد كل المجموعة/الفئة تحدد من قبل اثنين من مستويات في v_cut ...مثل هذا :

id v_idn v_seed v_time v_pop v_rank v_perco v_cut
1  15    125648 0      150   1      15      (10,20]
2  17    125648 0      120   2      5       [0,10)
3  18    125648 0      100   3      6       [0,10)
4  52    125648 0      25    4      1       [0,10)

5  17    125648 10     220   1      5       [0,10)
6  15    125648 10     160   2      15      (10,20] 
7  18    125648 10     110   3      6       [0,10)
8  52    125648 10     50    4      1       [0,10)

9  56   -11152  0      250   1      17      (10,20]
10 15   -11152  0      180   2      15      (10,20]
11 18   -11152  0      110   3      6       [0,10)
12 22   -11152  0      5     4      14      (10,20]

13 56   -11152  10     250   1      17      (10,20]
14 15   -11152  10     180   2      15      (10,20]
15 22   -11152  10     125   3      14      (10,20]
16 18   -11152  10     120   4      6       [0,10)

الخطوة 3 :

أريد أن أعرف تقلب v_rank على المحور x و الوقت بالنسبة للمحور y ، لكل مجموعة v_cut ، لذلك أنا بحاجة لحساب مين يعني,ماكس,sd على v_rank القيمة مع شيء من هذا القبيل

ddply(df, .(v_cut,v_time), summarize ,mean = mean(v_rank), min = min(v_rank), max = max(v_rank), sd = sd(v_rank))

*نتيجة أراد :*

id  v_time MEAN.v_rank ... v_cut
1   0      2.25            (10,20]
2   0      2.42            [0,10)
3   10     2.25            [0,10)
4   10     2.42            (10,20]

مشكلتي

أنا لا أعرف كيفية تمرير الخطوة 1 -- > الخطوة 2 :/

و إذا كان من الممكن أن مجموعة من v_cut مثل بلدي على سبيل المثال في الخطوة 3 ؟

هل هناك إمكانية لجعل نفس الأشياء مع "فرعية" خيار ddply ?

مرة أخرى شكرا جزيلا على مساعدتك كبيرة R المعلم !

تحديث 1 :

لدي إجابة على الذهاب step1 إلى step2 :

df$v_cut <- cut_interval(df$v_perco,n=10)

أنا باستخدام plyr ، ولكن ربما يكون هناك إجابة أفضل في هذه الحالة ؟

الجواب انتقل إلى الخطوة 2 الخطوة 3 ؟

تحديث 2 :

براندون Bertelsen أعطني إجابة جيدة مع ذوبان + المدلى بها ، ولكن الآن (فهم) أنا تريد أن تجعل نفس العملية مع plyr و ddply ..مع نتيجة مختلفة :

id  v_idn v_time MEAN.v_rank ... v_cut
    1   15   0      2.25            (10,20]
    2   15   10     2.45            (10,20]
    2   17   0      1.52            [0,10)
    2   17   10     2.42            [0,10)
    etc. 

أنا أحاول مع شيء من هذا القبيل :

r('sumData <- ddply(df, .(v_idn,v_time), summarize,min = min(v_rank),mean =  mean(v_rank), max = max(v_rank), sd=sd(v_rank))')

ولكن أريد أن يكون v_cut في sumData dataframe, كيف يمكن أن أفعل مع ddply ?هل هناك خيار لجعل هذا ؟ أو الاندماج مع الأولي مدافع key = v_idn لإضافة عمود v_cut إلى sumData هو جيد فقط الإجابة ؟

Answer 1

أنت لا تحتاج حقًا إلى plyr لهذا ، يمكنك استخدام reshape

## Pull what you need
dfx <- df[c("v_seed", "v_time","v_rank","v_perco")]
## Bring in your cuts
dfx <- data.frame(dfx, ifelse(df$v_perco > 10,"(10,20]", "[0,10)")))
## Rename v_cut
colnames(dfx)[ncol(dfx)] <- "v_cut"       
## Melt it.    
dfx <- melt(dfx, id=c("v_cut", "v_seed", "v_time"))
## Cast it.
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, c(mean,min,max,sd))

إذا كنت تريد فقط الوسط ، فاستبدل السطر الأخير بـ:

dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, mean)

اكتب "DFX" وسترى إطار بيانات مع ما طلبته.

Answer 2

أنت مجرد وجود مشكلة مع تركيب جميع:

## Add your cut
df.new <- data.frame(df, ifelse(df$v_perco > 10,"(10,20]", "[0,10)"))
## Rename v_cut
colnames(df.new)[ncol(df.new)] <- "v_cut"   

## Careful here read the note below
df.new <- ddply(df.new, .(v_idn, v_time), function(x) unique(data.frame(
mean =  mean(x$v_rank),
v_cut = x$v_cut
)))

بدلا من ذلك:

ddply(df.new, .(v_idn, v_time), summarise, mean=mean(v_rank))

مع ".(v_idn, v_time)" أنت تقول ddply أن لكل تركيبة من v_idn و v_time, تريد أن حساب متوسط v_rank.