R: Quelles sont les meilleures fonctions pour traiter les concaténer et la moyenne des valeurs dans un data.frame?

Question

J'ai un data.frame de ce code:

   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) )

qui produit ceci:

> 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

Je veux en moyenne la colonne OD sur chaque read_time distincte (remarquez certains sont répliquées d'autres ne sont pas) et je voudrais également calculer l'écart type, la production d'une table comme ceci:

> 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

Quelles sont les meilleures fonctions pour faire face à concaténer des valeurs dans un data.frame?

Answer 1

Le plyr package est populaire pour cela, mais les fonctions de base by() et aggregate() également aider.

> 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

Vous pouvez ajouter le bit manquant à retourner 0 au lieu de NA pour la dernière std.dev.

, vous n'avez pas besoin les guillemets (sur les variables) que vous aviez dans la construction data.frame.

Answer 2

Vous pouvez essayer le package data.table. Si vous connaissez MySQL, il devrait être très facile pour vous d'obtenir toutes les fonctions, sinon les bases sont assez bien aussi; -)

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

vous pouvez également joindre à la fois dans une ligne ou cbind à la fin, l'appel du style

Un autre avantage: il est extrêmement rapide, si vous avez de grands échantillons. Très vite ... voir la documentation pourquoi.

Answer 3

Ceci illustre comment vous pouvez utiliser aggregate pour obtenir la moyenne et l'écart type par votre 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