Среднее и SD нескольких переменных с несколькими факторами группировки в R - PullRequest
Новая
       43

Среднее и SD нескольких переменных с несколькими факторами группировки в R

0 голосов
/ 24 апреля 2020

Я искал ответ, но я все еще не нашел решения, я все еще новичок в R. Мой фрейм данных отображает измерение одной экологической характеристики (относительного покрытия почвы) для ~ 70 видов растений в различных условиях: разные годы, разная химическая обработка и наличие / отсутствие теплицы.

Мне нужно обобщить эти данные в новом кадре данных, который отображает среднее значение и sd признака для каждого вида и для каждой комбинации факторов (условий) , Я знаю, что aggregate или lapply могли бы помочь, но я изо всех сил пытаюсь объединить группировку по 3 различным факторам и множественным видам, что подразумевает необходимость "автоматизированного" кода.

Извините, если я пропустил сообщение, отвечающее на мой вопрос

Спасибо за ваше терпение и помощь

Редактировать: вот воспроизводимый пример, надеюсь, я делаю это правильно : 

mydata<-structure(list(Year = c(2010L, 2010L, 2010L, 2010L, 2010L, 2010L, 
2010L, 2010L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 2011L, 
2011L), Replicate = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L), Treatment = structure(c(1L, 2L, 1L, 
2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L), .Label = c("A", 
"B"), class = "factor"), Greenhouse = structure(c(2L, 2L, 1L, 
1L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L), .Label = c("No", 
"Yes"), class = "factor"), Sp_1 = c(4L, 0L, 2L, 5L, 4L, 0L, 2L, 
5L, 0L, 0L, 4L, 6L, 4L, 0L, 2L, 5L), Sp_2 = c(7L, 0L, 1L, 1L, 
7L, 0L, 1L, 1L, 7L, 0L, 1L, 1L, 6L, 0L, 1L, 1L), Sp_3 = c(8L, 
2L, 2L, 1L, 8L, 2L, 2L, 1L, 10L, 2L, 1L, 1L, 4L, 2L, 2L, 1L)), class = "data.frame", row.names = c(NA, 
-16L))

В этом примере я поместил только 3 вида, но, как я уже сказал, у меня более 70 видов, поэтому мне нужно что-то, что могло бы выделить все столбцы видов (mydata[,5:75]? Что-то в этом роде) больше чем c("sp_1","sp_2",..., "sp_70").

Я бы хотел, чтобы вывод выглядел следующим образом: 

Year   Treatment   Greenhouse   Sp_1_mean   Sp_1_sd   Sp_2_mean   Sp_2_sd 
2010   A           Yes          x           x         x           x
2010   A           No           x           x         x           x
2010   B           Yes          x           x         x           x
2010   B           No           x           x         x           x
2011   A           Yes          x           x         x           x
2011   A           No           x           x         x           x
2011   B           Yes          x           x         x           x
2011   B           No           x           x         x           x

Вот dput(), показывающий, как должен выглядеть требуемый вывод 

    desired_output<-structure(list(Year = c(2010L, 2010L, 2010L, 2010L, 2011L, 2011L, 
2011L, 2011L), Treatment = structure(c(1L, 1L, 2L, 2L, 1L, 1L, 
2L, 2L), .Label = c("A", "B"), class = "factor"), Greenhouse = structure(c(2L, 
1L, 2L, 1L, 2L, 1L, 2L, 1L), .Label = c("No", "Yes"), class = "factor"), 
    Sp_1_mean = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "x", class = "factor"), 
    Sp_1_sd = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "x", class = "factor"), 
    Sp_2_mean = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "x", class = "factor"), 
    Sp_2_sd = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "x", class = "factor"), 
    Sp_3_mean = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "x", class = "factor"), 
    Sp_3_sd = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = "x", class = "factor")), class = "data.frame", row.names = c(NA, 
-8L))

I надеюсь, что это понятнее! Спасибо

1 Ответ

0 голосов
/ 24 апреля 2020

С помощью data.table вы можете сделать что-то в этом духе: 

library(data.table)
setDT(df)
df[, lapply(.SD, function(x) return(c(mean(x), sd(x))),
                 by = c("col1","col2"),
                .SDcols = c("x1","x2")]

(без воспроизводимого примера трудно дать вам более точный синтаксис)

Это означает: применить среднее и sd для каждого подмножества данных (здесь столбцы x1 и x2) по группам (col1 и col2)

Пример 

library(data.table)
df <- as.data.table(mtcars)
output <- df[, lapply(.SD, function(x) return(c(mean(x, na.rm = TRUE), sd(x, na.rm = TRUE)))),
            .SDcols = c("disp","drat"),
            by = c("cyl","gear")]
output[, 'stat' := c("mean","sd"), by = c("cyl","gear")]

output
    cyl gear       disp       drat stat
 1:   6    4 163.800000 3.91000000 mean
 2:   6    4   4.387862 0.01154701   sd
 3:   4    4 102.625000 4.11000000 mean
 4:   4    4  30.742699 0.37156042   sd
 5:   6    3 241.500000 2.92000000 mean
 6:   6    3  23.334524 0.22627417   sd
 7:   8    3 357.616667 3.12083333 mean
 8:   8    3  71.823494 0.23027487   sd
 9:   4    3 120.100000 3.70000000 mean
10:   4    3         NA         NA   sd
11:   4    5 107.700000 4.10000000 mean
12:   4    5  17.819091 0.46669048   sd
13:   8    5 326.000000 3.88000000 mean
14:   8    5  35.355339 0.48083261   sd
15:   6    5 145.000000 3.62000000 mean
16:   6    5         NA         NA   sd

Здесь у меня было столбец, чтобы узнать, какая статистика в каждой строке составляет примерно

Редактировать на своем воспроизводимом примере 

setDT(mydata)
output <- mydata[, lapply(.SD, function(x) return(c(mean(x, na.rm = TRUE), sd(x, na.rm = TRUE)))),
       .SDcols = c("Sp_1", "Sp_2", "Sp_3"),
       by = c("Year", "Treatment", "Greenhouse")
       ]
output[, 'stat' := c('mean','sd') ,
       by = c("Year", "Treatment", "Greenhouse")]

Поскольку вас интересует широкий формат, вы можете использовать dcast для изменения ваших данных. 

output <- dcast(output, Year + Treatment + Greenhouse ~  ...,
      value.var = c("Sp_1", "Sp_2", "Sp_3"))

output

Year Treatment Greenhouse Sp_1_mean   Sp_1_sd Sp_2_mean   Sp_2_sd Sp_3_mean   Sp_3_sd
1: 2010         A         No       2.0 0.0000000       1.0 0.0000000       2.0 0.0000000
2: 2010         A        Yes       4.0 0.0000000       7.0 0.0000000       8.0 0.0000000
3: 2010         B         No       5.0 0.0000000       1.0 0.0000000       1.0 0.0000000
4: 2010         B        Yes       0.0 0.0000000       0.0 0.0000000       2.0 0.0000000
5: 2011         A         No       3.0 1.4142136       1.0 0.0000000       1.5 0.7071068
6: 2011         A        Yes       2.0 2.8284271       6.5 0.7071068       7.0 4.2426407
7: 2011         B         No       5.5 0.7071068       1.0 0.0000000       1.0 0.0000000
8: 2011         B        Yes       0.0 0.0000000       0.0 0.0000000       2.0 0.0000000

Этого длинного в широкое преобразование можно избежать с небольшой модификацией агрегации.

...