Classifier ou dataframe coupé par la liste de la gamme de classe et de résumer avec ddply
Question
Je question sur ddply et sous-ensemble.
Je dataframe df comme ceci:
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)
PREMIÈRE ÉTAPE:
J'ai une liste d'intervalles égaux avec cut_interval comme ceci:
myinterval <- cut_interval(c(15,5,6,1,17,14), length=10)
J'ai donc deux niveaux: ici) et [0,10 (10,20]
ÉTAPE:
Je veux chaque groupe / classe définit par mes deux niveaux v_cut ... comme ceci:
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)
ETAPE 3:
Je veux connaître la variabilité de v_rank pour axe x, et le temps pour l'axe y, pour chaque groupe v_cut, donc je dois calculer min, moyenne, max, sd pour la valeur v_rank avec quelque chose comme
ddply(df, .(v_cut,v_time), summarize ,mean = mean(v_rank), min = min(v_rank), max = max(v_rank), sd = sd(v_rank))
* RÉSULTAT WANTED: *
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]
MON PROBLÈME
Je ne sais pas comment passer l'étape 1 -> étape 2: /
Et s'il est possible de regrouper par v_cut comme mon exemple à l'étape 3?
Est-il possible de faire les mêmes choses avec l'option « sous-ensemble » de ddply?
Une fois de plus, merci beaucoup pour votre aide grand gourou de R!
UPDATE 1:
J'ai une réponse pour aller à l'étape 1 Etape 2:
df$v_cut <- cut_interval(df$v_perco,n=10)
J'utilise plyr, mais il y a peut-être une meilleure réponse dans ce cas?
Réponse à passer à l'étape 2 à l'étape 3?
UPDATE 2:
Brandon Bertelsen me donner une bonne réponse à la fonte + cast, mais maintenant (à comprendre) je veux faire la même opération avec plyr et ddply .. avec un résultat différent:
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.
Je suis en train avec quelque chose comme ceci:
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))')
Mais je veux avoir v_cut dans mon sumData dataframe, comment puis-je faire avec ddply? est-il une possibilité de faire cela? Ou la fusion avec df initiale et key = v_idn d'ajouter la colonne v_cut à sumData est la seule bonne réponse?
La solution
Vous n'avez pas vraiment besoin plyr pour cela, vous pouvez utiliser 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$v_perco > 10,"(10,20]", "[0,10)")))
## Rename v_cut
colnames(dfx)[ncol(dfx)] <- "v_cut"
## Melt it.
dfx <- melt(dfx, id=c("v_cut", "v_seed", "v_time"))
## Cast it.
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, c(mean,min,max,sd))
si vous voulez que la moyenne, remplacez la dernière ligne avec:
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, mean)
tapez « DFX » et vous verrez une trame de données avec ce que vous avez demandé.
Autres conseils
Vous êtes juste un problème avec la syntaxe est tout:
## Add your cut
df.new <- data.frame(df, ifelse(df$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
)))
Vous pouvez également:
ddply(df.new, .(v_idn, v_time), summarise, mean=mean(v_rank))
«(v_idn, v_time) » vous dire ddply que pour chaque combinaison de v_idn et v_time, vous voulez calculer la moyenne des v_rank.