Klassifizieren oder Schnitt Datenrahmen durch Liste der Klassenbereich und fassen es mit ddply
Frage
Ich habe Frage zu ddply und Teilmenge.
Ich habe Dataframe df wie folgt aus:
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)
SCHRITT EINS:
Ich habe eine Liste von gleichen Intervall mit cut_interval wie folgt aus:
myinterval <- cut_interval(c(15,5,6,1,17,14), length=10)
Also ich habe zwei Ebenen hier: [0,10) und (10,20]
SCHRITT ZWEI:
Ich möchte jede Gruppe / Klasse wird durch meine zwei Ebenen in v_cut definieren ... wie folgt aus:
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)
Schritt 3:
Ich mag die Variabilität der v_rank für x-Achse wissen, und die Zeit für die y-Achse, für jede Gruppe v_cut, so dass ich zu berechnen min benötigen, Mittelwert, max, sd für v_rank Wert mit so etwas wie
ddply(df, .(v_cut,v_time), summarize ,mean = mean(v_rank), min = min(v_rank), max = max(v_rank), sd = sd(v_rank))
* RESULT GESUCHT: *
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]
MEIN PROBLEM
Ich weiß nicht, wie Schritt 1 passieren -> Schritt 2: /
Und wenn es möglich ist zu einer Gruppe von v_cut wie mein Beispiel in Schritt 3?
Gibt es eine Möglichkeit, die gleichen Dinge mit der „Untergruppe“ Option von ddply zu machen?
Noch einmal vielen Dank für Ihre Hilfe großen R-Guru!
UPDATE 1:
Ich habe eine Antwort schritt1 zu Schritt 2 zu gehen:
df$v_cut <- cut_interval(df$v_perco,n=10)
Ich verwende plyr, aber es gibt vielleicht eine bessere Antwort in diesem Fall?
Antwort zu Schritt 2 gehen Sie zu Schritt 3?
UPDATE 2:
Brandon Elsen geben Sie mir eine gute Antwort mit Schmelze + gegossen, aber jetzt (verstehen) i die gleiche Operation mit plyr machen will und ddply .. mit einem anderen Ergebnis:
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.
Ich bin mit so etwas wie dies versuchen:
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))')
Aber ich möchte in meinem sumData Datenrahmen haben v_cut, wie kann ich mit ddply tun? gibt es eine Option, dies zu machen? Oder mit anfänglichen df verschmelzenden und key = v_idn Spalt v_cut zu sumData hinzuzufügen, ist die einzige gute Antwort?
Lösung
Sie nicht wirklich brauchen plyr für diese, können Sie 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$v_perco > 10,"(10,20]", "[0,10)")))
## Rename v_cut
colnames(dfx)[ncol(dfx)] <- "v_cut"
## Melt it.
dfx <- melt(dfx, id=c("v_cut", "v_seed", "v_time"))
## Cast it.
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, c(mean,min,max,sd))
, wenn Sie den Mittelwert wollen, dann ersetzen Sie die letzte Zeile mit:
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, mean)
Typ „dfx“ und Sie werden einen Datenrahmen sehen mit dem, was Sie gefragt.
Andere Tipps
Sie sind nur ein Problem mit der Syntax, die ist alles:
## Add your cut
df.new <- data.frame(df, ifelse(df$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
)))
Alternativ:
ddply(df.new, .(v_idn, v_time), summarise, mean=mean(v_rank))
Mit „(v_idn, v_time)“ Sie sagen ddply, dass für jede Kombination von v_idn und v_time, wollen Sie es den Mittelwert von v_rank zu berechnen.