按类范围列表对数据框进行分类或剪切数据框，并用ddply进行总结

Question

我对Ddply和子集有疑问。

我有这样的数据帧DF：

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)      

第一步 ：

我有一个与cut_interval相等的间隔列表：

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

所以我在这里有两个级别：[0,10）和（10,20

第二步 ：

我希望每个组/班级在v_cut中的两个级别定义...这样：

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)

步骤3：

我想知道x轴的v_rank的可变性，以及每个组的y轴的时间，因此我需要计算最小值，mee，max，sd for v_rank值，v_rank value for v_rank值

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

*结果想要： *

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]

我的问题

我不知道如何通过步骤1->步骤2：/

如果可以像步骤3中的我的示例那样按v_cut进行分组吗？

是否有可能使用ddply的“子集”选项制作相同的东西？

再一次，非常感谢您的帮助！

更新1：

我有一个答案，可以将步骤1转到步骤2：

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

我正在使用plyr，但是在这种情况下可能有更好的答案？

回答要转到步骤2到第3步？

更新2：

布兰登·贝特尔森（Brandon Bertelsen）用Melt + Cast给我一个很好的答案，但是现在（了解）我想与Plyr和ddply一起进行相同的操作。

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. 

我正在尝试这样的事情：

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))')

但是我想在我的sumdata dataframe中使用v_cut，我该如何处理ddply？有这样做的选择吗？或与初始df和键= v_idn合并以将列v_cut添加到sumdata是唯一的好答案？

Answer 1

您真的不需要Plyr，您可以使用 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))

如果您只需要平均值，请用以下方式替换最后一行。

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

键入“ DFX”，您将看到一个数据框，其中包含所需内容。

Answer 2

您只是在语法上遇到问题：

## 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
)))

或者：

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

使用“。（v_idn，v_time）”您告诉ddply，对于v_idn和v_time的每种组合，您都希望它计算V_Rank的平均值。