Chcę obliczyć niektóre statystyki (średnia, min, max, odchylenie standardowe itp.) Niektórych kolumn z dataframe i przechowuj te wartości jako kolejny Dataframe.

Oto próbka:

>foo

    Col1 Col2 Col3 Col4
1    1    6   10   60
2    2    7   20   70
3    3    8   30   80
4    4    9   40   90
5    5   10   50  100

Na przykład chcę przechowywać średnią i minimalną wartość COL1 i Col3 w takim dataframe:

>bar

           Col1       Col3
Mean          3         30
Min           1         10

Chcę to zrobić przez pętlę, coś takiego:

# Result dataframe
bar <- data.frame(Col1 = integer(), Col3 = integer())

variables_for_stats <- c("Col1","Col3")

# I want to do something on the lines of this:
for (z in variables_for_stats){

    # Populate column with required values
    col <- c(mean(foo$z,min(foo$z)) # Throws an error - argument is not numeric or logical: returning NA

    # Add col to 'bar'
    bar$z<- col # Does not work
}

Moja rzeczywista foo Dataframe obecnie ma ~ 40 kolumn i rzeczywistych zmiennych_for_statów wynoszą około 20. Oba z nich może się zmienić, stąd pragnienie zrobienia tego przez pętlę i listy. Jak mam to zrobić?

4
Vishesh Shrivastav 4 czerwiec 2018, 21:39

4 odpowiedzi

Najlepsza odpowiedź

Możemy pętli nad kolumnami zainteresowania i uzyskać mean i min

sapply(foo[c('Col1', 'Col3')], function(x) c(Mean = mean(x), Min =min(x)))
#      Col1 Col3
#Mean    3   30
#Min     1   10

Uwaga: rozwiązanie oparte na zastosowaniu jest również pętlę. Ale daje więcej kontroli niż pętla for w zrozumieniu wyjścia

3
akrun 4 czerwiec 2018, 18:41

Jeśli jesteś zainteresowany rozwiązaniem tidyverse ...

library(tidyverse)

foo <- tribble(~Col1, ~Col2, ~Col3, ~Col4,
               1,    6,   10,   60,
               2,    7,   20,   70,
               3,    8,   30,   80,
               4,    9,   40,   90,
               5,   10,   50,  100)

foo %>%
  gather(Col, Value) %>% 
  group_by(Col) %>% 
  summarise(Mean = mean(Value), Minimum = min(Value))
#> # A tibble: 4 x 3
#>   Col    Mean Minimum
#>   <chr> <dbl>   <dbl>
#> 1 Col1      3       1
#> 2 Col2      8       6
#> 3 Col3     30      10
#> 4 Col4     80      60

edytuj Jeśli chcesz uzyskać wynikowe ramki danych dokładnie tak, jak wskazano w pytaniu, to:

foo %>%
  gather(Col, Value) %>% 
  group_by(Col) %>% 
  summarise(Mean = mean(Value),
            Minimum = min(Value)) %>% 
  gather(Func, Value, 2:3) %>% 
  spread(Col, Value) %>% 
  select(Func, Col1, Col3)

# A tibble: 2 x 3
#  Func     Col1  Col3
#  <chr>   <dbl> <dbl>
#1 Mean        3    30
#2 Minimum     1    10
3
giocomai 4 czerwiec 2018, 20:32

Korzystanie z podstawy R, możesz zrobić coś takiego:

aggregate( values~ind,stack(foo),function(x)
     c(mean=mean(x),sd=sd(x),min=min(x),max=max(x)))#Write all the functions you want
   ind values.mean  values.sd values.min values.max
1 Col1    3.000000   1.581139   1.000000   5.000000
2 Col2    8.000000   1.581139   6.000000  10.000000
3 Col3   30.000000  15.811388  10.000000  50.000000
4 Col4   80.000000  15.811388  60.000000 100.000000

Jeśli w ogóle potrzebujesz tylko statystyki podsumowania, to:

 library(tidyverse)
 summary(foo)%>%
     data.frame()%>%
     select(-Var1)%>%
     separate(Freq,c("Fun","Val"),":")%>%
     spread(Fun, Val)

       Var2 1st Qu. 3rd Qu. Max.    Mean    Median  Min.   
1      Col1     2       4       5       3       3       1  
2      Col2     7       9      10       8       8       6  
3      Col3    20      40      50      30      30      10  
4      Col4    70      90     100      80      80      60  
2
Onyambu 4 czerwiec 2018, 19:18

Możesz to zrobić za pomocą narzędzi tidyverse. Rzeczywiste obliczenia to tylko summarise, reszta jest po prostu przekonwertowanie wyjścia do żądanego formatu.

library(tidyverse)
foo <- read_table2(
  "Col1 Col2 Col3 Col4
1    6   10   60
2    7   20   70
3    8   30   80
4    9   40   90
5   10   50  10"
)

bar <- foo %>%
  summarise_at(
    .vars = vars(Col1, Col3),
    .funs = funs(mean, min)
  ) %>%
  gather(stat, value) %>%
  separate(stat, into = c("Col", "Func")) %>%
  spread(Col, value)
bar
#> # A tibble: 2 x 3
#>   Func   Col1  Col3
#>   <chr> <dbl> <dbl>
#> 1 mean      3    30
#> 2 min       1    10

Stworzone na lata 2018-06-04 przez Pakiet REX (wersja 1.0.0).

1
Calum You 4 czerwiec 2018, 18:47