データセットmtcars
(ベースRバージョン2.12.1の一部)に関する要約統計量を取得したいとします。 以下では、エンジンシリンダの数に応じて車をグループ化し、残りの変数のグループ単位の平均値をmtcars
にします。グループ化変数が要因である場合、グループ別集計統計を生成するにはどうすればよいですか?
> 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起こる要因になると、手間がかかります。 ddply()
は、ファクタのmean()
を取ることができないので、ファクタの各レベル、 に対して警告をスローします。私は要約統計間違った方法の生成についてつもりならば
> 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、私は思ったんだけど。
どのようにして、通常、因子別またはグループ別の要約統計(平均値、標準偏差など)のデータ構造を生成しますか? ddply()
以外のものを使用する必要がありますか? ddply()
を使用できる場合は、私のグループ化係数の平均を取ろうとしたときに発生するエラーを避けるために何ができますか?
ありがとうPrasad!私はまた、 'ddply()'コールの代わりに 'aggregate()'コールを使用することができた時点で気づいていませんでした。たとえば、 'aggregate(cbind(hp、mpg)〜cyl、data = mtcars、mean)'です。 – briandk
これもやってみるといいですね! –
プラサド、それは便利なテクニックです。 –