グループ化変数が要因である場合、バイグループの要約統計を生成するにはどうすればよいですか?
質問
データセットでいくつかの要約統計を取得したかったとします mtcars
(ベースRバージョン2.12.1の一部)。以下では、それらが持っているエンジンシリンダーの数に従って車をグループ化し、残りの変数のグループごとの平均を取得します mtcars
.
> str(mtcars)
'data.frame': 32 obs. of 11 variables:
$ mpg : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
$ cyl : num 6 6 4 6 8 6 8 4 4 6 ...
$ disp: num 160 160 108 258 360 ...
$ hp : num 110 110 93 110 175 105 245 62 95 123 ...
$ drat: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
$ wt : num 2.62 2.88 2.32 3.21 3.44 ...
$ qsec: num 16.5 17 18.6 19.4 17 ...
$ vs : num 0 0 1 1 0 1 0 1 1 1 ...
$ am : num 1 1 1 0 0 0 0 0 0 0 ...
$ gear: num 4 4 4 3 3 3 3 4 4 4 ...
$ carb: num 4 4 1 1 2 1 4 2 2 4 ...
> ddply(mtcars, .(cyl), mean)
mpg cyl disp hp drat wt qsec vs am gear
1 26.66364 4 105.1364 82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909
2 19.74286 6 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143
3 15.10000 8 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714
carb
1 1.545455
2 3.428571
3 3.500000
しかし、私のグループ化変数がたまたま要因である場合、事態はよりトリッキーになります。 ddply()
要因の各レベルに警告を投げます。 mean()
要因の。
> mtcars$cyl <- as.factor(mtcars$cyl)
> str(mtcars)
'data.frame': 32 obs. of 11 variables:
$ mpg : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
$ cyl : Factor w/ 3 levels "4","6","8": 2 2 1 2 3 2 3 1 1 2 ...
$ disp: num 160 160 108 258 360 ...
$ hp : num 110 110 93 110 175 105 245 62 95 123 ...
$ drat: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
$ wt : num 2.62 2.88 2.32 3.21 3.44 ...
$ qsec: num 16.5 17 18.6 19.4 17 ...
$ vs : num 0 0 1 1 0 1 0 1 1 1 ...
$ am : num 1 1 1 0 0 0 0 0 0 0 ...
$ gear: num 4 4 4 3 3 3 3 4 4 4 ...
$ carb: num 4 4 1 1 2 1 4 2 2 4 ...
> ddply(mtcars, .(cyl), mean)
mpg cyl disp hp drat wt qsec vs am gear
1 26.66364 NA 105.1364 82.63636 4.070909 2.285727 19.13727 0.9090909 0.7272727 4.090909
2 19.74286 NA 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286 0.4285714 3.857143
3 15.10000 NA 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000 0.1428571 3.285714
carb
1 1.545455
2 3.428571
3 3.500000
Warning messages:
1: In mean.default(X[[2L]], ...) :
argument is not numeric or logical: returning NA
2: In mean.default(X[[2L]], ...) :
argument is not numeric or logical: returning NA
3: In mean.default(X[[2L]], ...) :
argument is not numeric or logical: returning NA
>
だから、私は間違った方法で概要統計を生成しようとしているだけなのか疑問に思っています。
通常、バイファクターまたはバイグループの要約統計(手段、標準偏差など)のデータ構造をどのように生成しますか?以外のものを使用する必要があります ddply()
?使用できる場合 ddply()
, 、グループ化要因の平均をとろうとするときに生じるエラーを回避するために何ができますか?
解決
使用する numcolwise(mean)
: : numcolwise
関数は、その引数(関数)を数値列でのみ動作する関数に変換します(およびカテゴリ/ファクター列を無視します)。
> ddply(mtcars, .(cyl), numcolwise(mean))
cyl mpg disp hp drat wt qsec vs
1 4 26.66364 105.1364 82.63636 4.070909 2.285727 19.13727 0.9090909
2 6 19.74286 183.3143 122.28571 3.585714 3.117143 17.97714 0.5714286
3 8 15.10000 353.1000 209.21429 3.229286 3.999214 16.77214 0.0000000
am gear carb
1 0.7272727 4.090909 1.545455
2 0.4285714 3.857143 3.428571
3 0.1428571 3.285714 3.500000
他のヒント
ここでの答えではなく、観察。これはの問題ではありません ddply()
それ自体。これを見てください。以下は両方とも正常に機能して手段の表を作成します。
aggregate(mtcars, by=list(mtcars$cyl), mean)
apply(mtcars, 2, function(col) tapply(col, INDEX=mtcars$cyl, FUN=mean))
しかし、その後 mtcars$cyl <- as.factor(mtcars$cyl)
Rは、要因の列の平均をとる方法を知らないため、上記のどちらも機能しません。渡されたものからその列(「cyl」は列2)を削除することでそれを避けることができます mean()
:
aggregate(mtcars[ , -2], by=list(mtcars$cyl), mean)
apply(mtcars[ , -2], 2, function(col) tapply(col, INDEX=mtcars$cyl, FUN=mean))
しかし、それはかなり不格好です。
所属していません StackOverflow