Классифицируйте или вырезать dataframe по списку диапазона классов и суммируйте его с ddply
Вопрос
У меня есть вопрос о DDPLY и подмножестве.
У меня есть DataFrame DF, как это:
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)
ШАГ ПЕРВЫЙ :
У меня есть список равных интервалов с помощью cut_interval, как это:
myinterval <- cut_interval(c(15,5,6,1,17,14), length=10)
Поэтому у меня здесь два уровня: [0,10) и (10,20
ШАГ ВТОРОЙ :
Я хочу, чтобы каждая группа / класс определяет мои два уровня в V_CUT ... Как это:
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)
ШАГ 3 :
Я хочу знать изменчивость v_rank for x axis, а время оси y, для каждой группы v_cut, поэтому мне нужно вычислить мин, среднее значение max, sd для v_rank ценность с чем-то вроде
ddply(df, .(v_cut,v_time), summarize ,mean = mean(v_rank), min = min(v_rank), max = max(v_rank), sd = sd(v_rank))
*Результат хотел: *
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]
МОЯ ПРОБЛЕМА
Я не знаю, как пройти шаг 1 -> Шаг 2: /
И если можно группировать V_CUT, как мой пример на шаге 3?
Есть ли возможность сделать то же самое с «подмножественным» вариантом DDPLY?
Еще раз, большое спасибо за вашу помощь великой Гуру!
Обновление 1:
У меня есть ответ на шаг 1 на шаг2:
df$v_cut <- cut_interval(df$v_perco,n=10)
Я использую Plyr, но есть, возможно, лучший ответ в этом случае?
Ответьте, чтобы пойти на шаг 2 на шаг 3?
Обновление 2:
Брэндон Бертелисен дай мне хороший ответ с талым + литой, но сейчас (понять) я хочу сделать ту же операцию с PLYR и DDPLY .. с другим результатом:
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.
Я пытаюсь с чем-то вроде этого:
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))')
Но я хочу иметь v_cut в моем dataframe sumdata, как я могу сделать с ddply? Есть ли возможность сделать это? Или слияние с начальными df и ключом = v_idn, чтобы добавить столбец v_cut в sumdata - единственный хороший ответ?
Решение
Вам не нужен PLYR для этого, вы можете использовать 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$v_perco > 10,"(10,20]", "[0,10)")))
## Rename v_cut
colnames(dfx)[ncol(dfx)] <- "v_cut"
## Melt it.
dfx <- melt(dfx, id=c("v_cut", "v_seed", "v_time"))
## Cast it.
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, c(mean,min,max,sd))
Если вы хотите только хотите среднее, затем замените последнюю строку с помощью:
dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, mean)
Введите «DFX», и вы увидите кадр данных с тем, что вы просили.
Другие советы
У вас просто проблема с синтаксисом - это все:
## Add your cut
df.new <- data.frame(df, ifelse(df$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
)))
В качестве альтернативы:
ddply(df.new, .(v_idn, v_time), summarise, mean=mean(v_rank))
С ". (V_idn, v_time)" вы говорите, что для каждой комбинации v_idn и v_time вы хотите, чтобы он рассчитывал среднее значение v_rank.