так что есть библиотека, DAAG, которая имеет некоторую статистику по атлетам, которая называется "ais".Я хочу подсчитать статистику для нескольких подмножеств на основе спорта.Затем я хочу собрать статистику для всех этих групп и объединить все это в единую структуру данных.
Я создал 2 списка (1 агрегирован по группам по видам спорта, 1 для общего числа сcustom FUN) с использованием приведенного ниже кода в R
library(DAAG)
data(ais)
sub4 <- subset(ais, sport=="Row" | sport=="Netball" | sport=="Tennis")
resultstats1 <- aggregate(x = sub4$ht,
by = list(sub4$sport),
FUN = function(x) c(mean = mean(x), sd = sd(x), min = min(x),
q1 = quantile(x, 0.25), median = median(x),
q3 = quantile(x, 0.75), max = max(x),
IQR = IQR(x)))
statistieken <- function(x){
list(mean = mean(x), sd = sd(x), min = min(x),
q1 = quantile(x, 0.25), median = median(x),
q3 = quantile(x, 0.75), max = max(x),
IQR = IQR(x))
}
resultstats2 <- statistieken(sub4$ht)
Теперь я хочу объединить эти списки, но обычные списки не работают.Несмотря на то, что typeof обоих является списком, они кажутся разными:
> resultstats1
Group.1 x.mean x.sd x.min x.q1.25% x.median x.q3.75% x.max x.IQR
1 Netball 176.086957 4.123580 168.600000 173.450000 176.000000 179.150000 183.300000 5.700000
2 Row 182.375676 7.798376 156.000000 179.300000 181.800000 186.300000 198.000000 7.000000
3 Tennis 174.163636 9.858121 157.900000 167.300000 175.000000 180.750000 190.800000 13.450000
> resultstats2
$mean
[1] 179.0662
$sd
[1] 7.936371
$min
[1] 156
$q1
25%
174.25
$median
[1] 179.5
$q3
75%
183.4
$max
[1] 198
$IQR
[1] 9.15
Почему эти два списка так сильно отличаются?И как я могу объединить их, чтобы получить 1 аккуратный список как таковой:
Group.1 x.mean x.sd x.min x.q1.25% x.median x.q3.75% x.max x.IQR
1 Netball 176.086957 4.123580 168.600000 173.450000 176.000000 179.150000 183.300000 5.700000
2 Row 182.375676 7.798376 156.000000 179.300000 181.800000 186.300000 198.000000 7.000000
3 Tennis 174.163636 9.858121 157.900000 167.300000 175.000000 180.750000 190.800000 13.450000
4 Total 179.0662 7.936371 156.00000 174.250000 179.500000 183.400000 198.000000 9.150000
OZT @ jens-buysse