3

ddply とサブセットについて質問があります。

次のようなデータフレーム df があります。

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)

第一歩 ：

次のような cut_interval を使用した等間隔のリストがあります。

myinterval <- cut_interval(c(15,5,6,1,17,14), length=10)

だから私はここに2つのレベルがあります: [0,10) と (10,20]

ステップ2 ：

各グループ/クラスを v_cut の 2 つのレベルで定義したい ... 次のように:

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)

ステップ 3 :

各グループv_cutのx軸のv_rankとy軸の時間の変動性を知りたいので、次のような方法でv_rank値のmin、mean、max、sdを計算する必要があります

ddply(df, .(v_cut,v_time), summarize ,mean = mean(v_rank), min = min(v_rank), max = max(v_rank), sd = sd(v_rank))

*求める結果 : *

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]

私の問題

ステップ 1 -> ステップ 2 を通過する方法がわかりません:/

そして、ステップ 3 の例のように v_cut でグループ化できる場合は?

ddply の「サブセット」オプションで同じことを行う可能性はありますか?

もう一度、偉大な R グルの助けに感謝します !

更新 1:

step1 から step2 に進むための答えがあります。

df$v_cut <- cut_interval(df$v_perco,n=10)

私はplyrを使用していますが、この場合、おそらくより良い答えがありますか?

ステップ 2 からステップ 3 に進むには、答えてください。

更新 2:

Brandon Bertelsen は、melt + cast で良い答えをくれましたが、(理解するために) plyr と ddply で同じ操作を行いたいのですが、結果は異なります:

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.

私はこのようなものを試しています:

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))')

しかし、sumData データフレームに v_cut を入れたいのですが、どうすれば ddply を使用できますか? これを作るオプションはありますか？または、最初の df と key = v_idn をマージして v_cut 列を sumData に追加するのが唯一の良い答えですか?

4

2 に答える 2

2

これには本当にplyrは必要ありません。使用できます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))

平均だけが必要な場合は、最後の行を次のように置き換えます。

dfx <- cast(dfx, v_cut + v_time + v_seed ~ variable, mean)

「dfx」と入力すると、要求したデータ フレームが表示されます。

于 2010-10-07T17:49:46.970 に答える
2

構文に問題があるだけです:

## 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
)))

または:

ddply(df.new, .(v_idn, v_time), summarise, mean=mean(v_rank))

".(v_idn, v_time)" を使用すると、v_idn と v_time の組み合わせごとに、v_rank の平均を計算するように ddply に指示します。

于 2010-10-08T15:43:24.553 に答える