R හි කණ්ඩායම් අනුව දත්ත සාරාංශ කරන්නේ කෙසේද? [වසා ඇත]

මට මේ ආකාරයට R දත්ත රාමුවක් ඇත:

        age group
1   23.0883     1
2   25.8344     1
3   29.4648     1
4   32.7858     2
5   33.6372     1
6   34.9350     1
7   35.2115     2
8   35.2115     2
9   35.2115     2
10  36.7803     1
...

මට පහත දැක්වෙන ආකාරයෙන් දත්ත රාමුවක් ලබා ගැනීමට අවශ්‍යයි:

group mean     sd
1     34.5     5.6
2     32.3     4.2
...

කණ්ඩායම් අංකය වෙනස් විය හැකි නමුත් ඇමතුම් මගින් ඔවුන්ගේ නම් සහ ප්‍රමාණය ලබා ගත හැකිය levels(factor(data$group))

ප්‍රති result ලය ලබා ගැනීම සඳහා දත්ත සමඟ කළ යුතු උපාමාරු මොනවාද?

මෙන්න මේ plyr භාවිතා එක පේලියක් ප්රභේද්යයක් ddply :

dt <- data.frame(age=rchisq(20,10),group=sample(1:2,20,rep=T))
ddply(dt,~group,summarise,mean=mean(age),sd=sd(age))

මෙන්න නව පැකේජ දත්ත භාවිතා කරමින් තවත් එක් පේළි ප්‍රභේදයකි .

dtf <- data.frame(age=rchisq(100000,10),group=factor(sample(1:10,100000,rep=T)))
dt <- data.table(dtf)
dt[,list(mean=mean(age),sd=sd(age)),by=group]

පේළි 100k සහිත මේසයේ පමණක් මෙය කැපී පෙනේ. 2.53 Ghz Core 2 Duo ප්‍රොසෙසරයක් සහ R 2.11.1 සමඟ මගේ මැක්බුක් ප්‍රෝ හි වේලාවන්:

> system.time(aa <- ddply(dtf,~group,summarise,mean=mean(age),sd=sd(age)))
utilisateur     système      écoulé 
      0.513       0.180       0.692 
> system.time(aa <- dt[,list(mean=mean(age),sd=sd(age)),by=group])
utilisateur     système      écoulé 
      0.087       0.018       0.103 

අප භාවිතා කරන්නේ නම් තවදුරටත් ඉතිරිකිරීම් කළ හැකිය setkey:

> setkey(dt,group)
> system.time(dt[,list(mean=mean(age),sd=sd(age)),by=group])
utilisateur     système      écoulé 
      0.040       0.007       0.048 

එක් හැකියාවක් වන්නේ සමස්ත ශ්‍රිතය භාවිතා කිරීමයි . උදාහරණයක් වශයෙන්,

aggregate(data$age, by=list(data$group), FUN=mean)[2]

අපේක්ෂිත ප්‍රති .ලයේ දෙවන තීරුව ඔබට ලබා දෙයි.

ඔබ දත්ත රාමුවක් හසුරුවන බැවින්, dplyrපැකේජය එය කිරීමට වේගවත්ම ක්‍රමය විය හැකිය.

library(dplyr)
dt <- data.frame(age=rchisq(20,10), group=sample(1:2,20, rep=T))
grp <- group_by(dt, group)
summarise(grp, mean=mean(age), sd=sd(age))

හෝ ඒ හා සමානව, dplyr/ magrittrපයිප්ප ක්‍රියාකරු භාවිතා කිරීම :

library(dplyr)
dt <- data.frame(age=rchisq(20,10), group=sample(1:2,20, rep=T))
group_by(dt, group) %>%
 summarise(mean=mean(age), sd=sd(age))

පයිප්ප ක්‍රියාකරුගේ පූර්ණ භාවිතය සංස්කරණය කරන්න:

library(dplyr)
data.frame(age=rchisq(20,10), group=sample(1:2,20, rep=T)) %>%
  group_by(group) %>%
  summarise(mean=mean(age), sd=sd(age))

නියමයි, dplyr විසඳුම එකතු කිරීම ගැන ස්තූතියි bquast!

එවිට dplyr සහ data.table ඉතා සමීප බව හැරෙනවා:

library(plyr)
library(dplyr)
library(data.table)
library(rbenchmark)

dtf <- data.frame(age=rchisq(100000,10),group=factor(sample(1:10,100000,rep=T)))
dt <- data.table(dtf)

setkey(dt,group)

a<-benchmark(ddply(dtf,~group,plyr:::summarise,mean=mean(age),sd=sd(age)),
         dt[,list(mean=mean(age),sd=sd(age)),by=group],
         group_by(dt, group) %>% summarise(mean=mean(age),sd=sd(age) ),
         group_by(dtf, group) %>% summarise(mean=mean(age),sd=sd(age) )
)

a[, c(1,3,4)]

data.table තවමත් වේගවත්ම වේ, dplyr () විසින් ඉතා සමීපව අනුගමනය කරන අතර එය data.table ට වඩා data.frame හි වේගයෙන් පෙනේ.

                                                              test elapsed relative
1 ddply(dtf, ~group, plyr:::summarise, mean = mean(age), sd = sd(age))   1.689    4.867
2               dt[, list(mean = mean(age), sd = sd(age)), by = group]   0.347    1.000
4   group_by(dtf, group) %>% summarise(mean = mean(age), sd = sd(age))   0.369    1.063
3    group_by(dt, group) %>% summarise(mean = mean(age), sd = sd(age))   0.580    1.671

පවත්නා යෝජනා වලට අමතරව, ඔබට පැකේජයේ describe.byක්‍රියාකාරිත්වය පරීක්ෂා කිරීමට අවශ්‍ය විය හැකිය psych.

එය කණ්ඩායම් විචල්‍යයක් මත පදනම් වූ මධ්‍යන්‍ය හා සම්මත අපගමනය ඇතුළු විස්තරාත්මක සංඛ්‍යාලේඛන ගණනාවක් සපයයි.

මම කාර්යය සොයාගෙන ඇත summaryByතුළ doBy පැකේජය මේ සඳහා වඩාත්ම පහසු විය:

library(doBy)

age    = c(23.0883, 25.8344, 29.4648, 32.7858, 33.6372,
           34.935,  35.2115, 35.2115,  5.2115, 36.7803)
group  = c(1, 1, 1, 2, 1, 1, 2, 2, 2, 1)
dframe = data.frame(age=age, group=group)

summaryBy(age~group, data=dframe, FUN=c(mean, sd))
# 
#   group age.mean    age.sd
# 1     1 30.62333  5.415439
# 2     2 27.10507 14.640441

sqldfපැකේජය භාවිතා කරන්න . දත්ත සාරාංශ කිරීමට SQL භාවිතා කිරීමට මෙය ඔබට දැන් ඉඩ දෙයි. ඔබ එය පූරණය කළ පසු ඔබට එවැනි දෙයක් ලිවිය හැකිය -

sqldf('  select group,avg(age) from data group by group  ')

සංස්කරණය කළේ: chl ගේ යෝජනා අනුව

ඔබ සොයන ශ්‍රිතය "ටැප්ලි" ලෙස හැඳින්වෙන අතර එය සාධකයක් මගින් නිශ්චිතව දක්වා ඇති කණ්ඩායමකට ශ්‍රිතයක් අදාළ වේ.

# create some artificial data
set.seed(42)
groups <- 5

agedat <- c()
groupdat <- c()

for(group in 1:groups){
    agedat <- c(agedat,rnorm(100,mean=0 + group,1/group))
    groupdat <- c(groupdat,rep(group,100))
}
dat <- data.frame("age"=agedat,"group"=factor(groupdat))

# calculate mean and stdev age per group
res <- rbind.data.frame(group=1:5, with(dat, tapply(age, group, function(x) c(mean(x), sd(x)))))
names(res) <- paste("group",1:5)
row.names(res)[2:3] <- c("mean","sd")

බහුලව භාවිතා වන දත්ත ව්‍යුහයන් සහ ක්‍රම පැහැදිලි කරමින් මූලික R නිබන්ධනයක් හරහා වැඩ කිරීමට මම සැබවින්ම යෝජනා කරමි. එසේ නොමැතිනම් වැඩසටහන්කරණයේදී ඔබ සෑම අඟලක්ම හිර වනු ඇත. නොමිලේ ලබා ගත හැකි සම්පත් එකතුවක් සඳහා මෙම ප්‍රශ්නය බලන්න .

aggregates()කලකට පෙර මා විසින්ම කරන ලද ශ්‍රිතය සමඟ උදාහරණයක් මෙන්න :

# simulates data
set.seed(666)
( dat <- data.frame(group=gl(3,6), level=factor(rep(c("A","B","C"), 6)), 
                    y=round(rnorm(18,10),1)) )

> dat
   group level    y
1      1     A 10.8
2      1     B 12.0
3      1     C  9.6
4      1     A 12.0
5      1     B  7.8
6      1     C 10.8
7      2     A  8.7
8      2     B  9.2
9      2     C  8.2
10     2     A 10.0
11     2     B 12.2
12     2     C  8.2
13     3     A 10.9
14     3     B  8.3
15     3     C 10.1
16     3     A  9.9
17     3     B 10.9
18     3     C 10.3

# aggregates() function
aggregates <- function(formula, data=NULL, FUNS){ 
    if(class(FUNS)=="list"){ 
        f <- function(x) sapply(FUNS, function(fun) fun(x)) 
    }else{f <- FUNS} 
    temp <- aggregate(formula, data, f) 
    out <- data.frame(temp[,-ncol(temp)], temp[,ncol(temp)]) 
    colnames(out)[1] <- colnames(temp)[1] 
return(out) 
} 

# example 
FUNS <- function(x) c(mean=round(mean(x),0), sd=round(sd(x), 0)) 
( ag <- aggregates(y~group:level, data=dat, FUNS=FUNS) ) 

එය පහත ප්‍රති result ලය ලබා දෙයි:

> ag
  group level mean sd
1     1     A   11  1
2     2     A    9  1
3     3     A   10  1
4     1     B   10  3
5     2     B   11  2
6     3     B   10  2
7     1     C   10  1
8     2     C    8  0
9     3     C   10  0

සමහර විට ඔබට R ශ්‍රිත බෙදීමෙන් () ආරම්භ වී එකම ප්‍රති result ලය ලබා ගත හැකිය:

> with(dat, sapply( split(y, group:level), FUNS ) )
     1:A 1:B 1:C 2:A 2:B 2:C 3:A 3:B 3:C
mean  11  10  10   9  11   8  10  10  10
sd     1   3   1   1   2   0   1   2   0

aggregatesශ්‍රිතයේ ප්‍රතිදානය වෙත නැවත පැමිණීමට මට ඉඩ දෙන්න . ඔබට එය භාවිතයෙන් අලංකාර වගුවකින් පරිවර්තනය කළ හැකිය reshape(), xtabs()සහ ftable():

rag <- reshape(ag, varying=list(3:4), direction="long", v.names="y") 
rag$time <- factor(rag$time) 
ft <- ftable(xtabs(y~group+level+time, data=rag)) 
attributes(ft)$col.vars <- list(c("mean","sd")) 

මෙය ලබා දෙන්නේ:

> ft 
             mean sd
group level         
1     A        11  1
      B        10  3
      C        10  1
2     A         9  1
      B        11  2
      C         8  0
3     A        10  1
      B        10  2
      C        10  0

ලස්සනයි නේද? පැකේජයේ textplot()ක්‍රියාකාරිත්වය සමඟ ඔබට මෙම වගුව පීඩීඑෆ් වෙත අපනයනය කළ හැකිය gplots.

අන් අයගේ විසඳුම් සඳහා මෙහි බලන්න .