R Langue: Comment puis-je imprimer / voir le résumé statistiques pour exemple de sous-ensemble?

Ce sont certaines des questions de newbie sur les statistiques de programmation pour la R pour lequel je n'ai pas été en mesure de trouver une réponse en ligne. Mon dataframe est intitulé "l'eitc" dans le code ci-dessous.

1) une Fois que j'ai chargé dans un bloc de données, je tiens à regarder les statistiques de résumé. J'ai utilisé les fonctions:

eitc <- read.dta(file="/Users/Documents/eitc.dta")
summary(eitc)
sapply(eitc,mean,na.rm=TRUE) #for sample mean, min, max, etc.

Comment puis-je trouver des statistiques sommaires sur mon dataframe lorsque certains critères sont respectés. Par exemple, je voudrais voir le résumé des statistiques sur l'ensemble des variables lorsque la variable "enfants" est supérieur ou égal à 1. L'équivalent Stata code est:

summarize if children >= 1

2) de Même, comment puis-je trouver les paramètres spécifiques lorsque certains critères sont respectés? Par exemple, je veux trouver la moyenne de la variable "travail" lorsque "post93" la variable est égale à zéro et "anykids" la variable est égale à 1. L'équivalent Stata code est:

mean work if post93==0 & anykids==1

3) Idéalement, lorsque je lance le résumé statistiques ci-dessus, je voudrais savoir comment de nombreuses observations ont été inclus dans le calcul de l'critères.

4) Quand j'ai lu dans mon bloc de données, il serait également agréable de voir comment de nombreuses observations sont inclus dans le jeu de données (et peut-être combien de lignes ont des valeurs manquantes ou "NA").

5) Aussi, j'ai été la création de variables muettes en utilisant le code suivant. Est-ce la bonne façon de le faire ou est-il plus efficace?

post93.dummy <- as.numeric(eitc$year>1993)
eitc=cbind(eitc,post93.dummy)
Bienvenue sur StackOverflow. Bien fait pour, y compris un peu de code et une bonne description, mais si je pouvais donner deux points pour être utile, 1) Essayez de garder une question par question, même si vous commencez à quatre questions à la fois et 2) Lecture de r-bloggers.com/... qui a beaucoup de conseils sur la publication autonome, simple, des exemples de code.

OriginalL'auteur baha-kev | 2011-01-29

  1. 11

    Beaucoup de vos exigences sont répondues par subset, par exemple 

    summary(subset(eitc, post93 == 0 & anykids == 1, select=work))
nrow(subset(eitc, post93 == 0 & anykids == 1, select=work)) # for number of obs.

    La ?subset documentation a de bons exemples.

    La cbind méthode de fixation des variables muettes est inutile. Il suffit de ne:

    eitc$post93.dummy <- as.numeric(eitc$year>1993)

    OriginalL'auteur Michael Dunn

  2. 6

    Je vais utiliser mtcars données disponibles dans datasets paquet. Voir ?mtcars.

    Ad 1. Vous pouvez voir le résumé de mtcars quand gear est supérieur à 3:

    summary(mtcars[mtcars$gear > 3, ])
## or by using Tukey's five number summary
sapply(mtcars[mtcars$gear > 3, ], fivenum)

    Ad 2. Utilisation with:

    with(mtcars, mean(hp[gear > 3 & mpg > 20]))

    Ad 3. Ibid (mais l'utilisation length):

    with(mtcars, length(hp[gear > 3 & mpg > 20]))
## or
sapply(mtcars[mtcars$gear > 3, ], length) ## which is trivial when there are no NA's
sapply(mtcars[mtcars$gear > 3, ], length, na.rm = TRUE) ## but this one's good when there are NA's
nrow(mtcars[mtcars$gear > 3, ])

    Ad 4. Voir le précédent, mais de là à trouver

    combien de lignes ont des valeurs manquantes ou
    "NA"

    faire quelque chose comme ceci:

    apply(dtf, 1, function(x) length(is.na(x)))

    Ad 5. Ce n'est pas une variable muette, c'est une sorte de sous-ensemble de données d'origine, columnwise concaténées. Ce que vous essayez d'atteindre de toute façon?

    Soyez concis. Une question par question, s'il vous plaît!

    OriginalL'auteur aL3xa

  3. 2

    Je recommanderais vous regardez le plyr paquet pour générer des résumés. Voici quelques rapide de code (pas);

    #Generate a new factor based on the numeric value of children with 5 levels
eitc$childfac<-cut(eitc$children,5)

# Generate mean and sd of the variables foo and bar based on that factor
ddply(eitc, .(childfac), function(df) {
  return(data.frame(meanfoo=mean(df$foo), sdfoo=stdev(df$foo),
    meanbar=mean(df$bar), sdbar=stdev(df$bar))
  })

    Vous pouvez également regarder la hmisc et psy paquets pour plus descriptif stat routines. (Découvrez Rapide-R pour plus d'info)

    OriginalL'auteur PaulHurleyuk

  4. 0

    Voici comment vous pouvez rapidement afficher des statistiques sommaires pour un sous-ensemble de vos données à l'aide de les données.table.

    library(data.table)

dt <- data.table(mtcars)

var.names <- c("cyl", "disp", "hp")
dt[mpg > 20, 
   list(name=var.names, N=.N, mean=lapply(.SD, mean), sd=lapply(.SD, sd)), 
   .SDcols=var.names]

    Vous pouvez utiliser model.matrix pour la création des variables nominales, voir ici.

    OriginalL'auteur pbaylis