首页 文章

如何通过多个组获取多个变量的摘要统计信息?

提问于
浏览
1

我知道在这个论坛中提供了许多答案,关于如何使用 aggregateddplydata.table 等选项获取多个组的摘要统计信息(例如,mean,se,N) . 但是,我不确定如何在多个列上同时应用这些函数 .

更具体地说,我想知道如何在多列(dv1,dv2,dv3)上扩展以下 ddply 命令,而无需每次都重新键入具有不同变量名的代码 .

library(reshape2)
library(plyr)

group1 <- c(rep(LETTERS[1:4], c(4,6,6,8)))
group2 <- c(rep(LETTERS[5:8], c(6,4,8,6)))
group3 <- c(rep(LETTERS[9:10], c(12,12)))
my.dat <- data.frame(group1, group2, group3, dv1=rnorm(24),dv2=rnorm(24),dv3=rnorm(24))
my.dat

data1 <- ddply(my.dat, c("group1", "group2","group3"), summarise,
               N    = length(dv1),
               mean = mean(dv1,na.rm=T),
               sd   = sd(dv1,na.rm=T),
               se   = sd / sqrt(N)
)
data1

如何在多个列上应用此 ddply 函数,以便结果将是每个结果变量的data1,data2,data3 ...?我认为this可能是解决方案:

dfm <- melt(my.dat, id.vars = c("group1", "group2","group3"))
lapply(list(.(group1, variable), .(group2, variable),.(group3, variable)), 
   ddply, .data = dfm, .fun = summarize, 
   mean = mean(value), 
   sd = sd(value),
   N=length(value),
   se=sd/sqrt(N))

看起来它是在正确的方向,但不完全是我需要的 . 此解决方案分别提供每个组的统计信息 . 我需要一个结果,如data1(例如,第一个聚合组是A,E和I的人;第二个是B组,E和I等人......)

3 回答

  • 3

    以下是首先重塑数据的说明 . 我编写了一个自定义函数来提高可读性:

    mysummary <- function(x,na.rm=F){
      res <- list(mean=mean(x, na.rm=na.rm),
                  sd=sd(x,na.rm=na.rm),
                  N=length(x))
      res$se <- res$sd/sqrt(res$N)
      res
    }
    
    library(data.table)
    
    res <- melt(setDT(my.dat),id.vars=c("group1","group2","group3"))[,mysummary(value),
        by=.(group1,group2,group3,variable)]
    
    > head(res)
       group1 group2 group3 variable  mean        sd N       se
    1:      A      E      I      dv1  9.75  6.994045 4 3.497023
    2:      B      E      I      dv1  9.50  7.778175 2 5.500000
    3:      B      F      I      dv1 16.00  4.082483 4 2.041241
    4:      C      G      I      dv1 14.50 10.606602 2 7.500000
    5:      C      G      J      dv1 10.75 10.372239 4 5.186119
    6:      D      G      J      dv1 13.00  4.242641 2 3.000000
    

    或者没有自定义功能,感谢@Jaap

    melt(setDT(my.dat),
         id=c("group1","group2","group3"))[, .(mean = mean(value),
                                               sd = sd(value),
                                               n = .N,
                                               se = sd(value)/sqrt(.N)),
                                           .(group1, group2, group3, variable)]
    
  • 1

    如果你不想 melt 成长格式,你也可以这样做:

    library(data.table)
    setDT(my.dat)[, as.list(unlist(lapply(.SD, function(x) list(mean = mean(x),
                                                                sd = sd(x),
                                                                n = .N,
                                                                se = sd(x)/sqrt(.N))))),
                  by = .(group1, group2, group3), .SDcols=c("dv1","dv2","dv3")]
    

    这使:

    group1 group2 group3    dv1.mean    dv1.sd dv1.n     dv1.se    dv2.mean    dv2.sd dv2.n     dv2.se     dv3.mean    dv3.sd dv3.n    dv3.se
    1:      A      E      I  0.09959774 0.4704498     4 0.23522491  0.05020096 0.8098882     4 0.40494412 -0.134137210 0.7832841     4 0.3916420
    2:      B      E      I  0.72726477 0.3651544     2 0.25820315  0.73743314 1.4260172     2 1.00834641 -0.120188202 0.5532434     2 0.3912022
    3:      B      F      I -0.68661572 0.7212631     4 0.36063157  0.06670216 0.7678781     4 0.38393905  0.096275469 0.8993015     4 0.4496508
    4:      C      G      I -0.54577363 0.0798962     2 0.05649515  0.18293371 0.1022325     2 0.07228926 -0.947603264 2.3118016     2 1.6346906
    5:      C      G      J  0.17434075 0.8503874     4 0.42519369 -0.11485558 1.4184031     4 0.70920154 -0.005140781 0.6871591     4 0.3435796
    6:      D      G      J  0.17943465 0.4943486     2 0.34955725 -0.22223273 0.3679613     2 0.26018796 -0.373289114 1.0737512     2 0.7592568
    7:      D      H      J  0.38090937 0.7904832     6 0.32271340  0.02107597 1.0094695     6 0.41211422  0.118277330 0.9024006     6 0.3684035
    
  • 5

    这是使用 dplyr 的解决方案 . 这给出了"wide"格式的结果(即dv1,dv2,dv3的统计数据在同一行上) .

    se <- function(x) { sd(x)/sqrt(length(x)) }
    my.dat                                                        %>%
        group_by(group1, group2, group3)                          %>%
        summarise_each(funs(mean, sd, length, se), dv1, dv2, dv3) %>%
        ungroup
    

    如果需要在单独的行上具有dv1,dv2和dv3的统计数据,可以使用 meltgather (来自 tidyr )进行修改 .

相关问题