Résumé statistiques par deux ou plus de facteurs variables?

Ce fait est illustré par un exemple

str(mtcars)
mtcars$gear <- factor(mtcars$gear, labels=c("three","four","five"))
mtcars$cyl <- factor(mtcars$cyl, labels=c("four","six","eight"))
mtcars$am <- factor(mtcars$am, labels=c("manual","auto")
str(mtcars)
tapply(mtcars$mpg, mtcars$gear, sum)

Qui me donne un résumé de la manivelle par les engins. Mais disons que je voulais un tableau 3x3 avec des engins à travers le haut et le cylindre sur le côté, et 9 cellules avec le bivariée sommes, comment pourrais-je obtenir ce 'intelligemment'.

J'ai pu aller.

tapply(mtcars$mpg[mtcars$cyl=="four"], mtcars$gear[mtcars$cyl=="four"], sum)
tapply(mtcars$mpg[mtcars$cyl=="six"], mtcars$gear[mtcars$cyl=="six"], sum)
tapply(mtcars$mpg[mtcars$cyl=="eight"], mtcars$gear[mtcars$cyl=="eight"], sum)

Cela semble lourd.

Alors comment pourrais-je apporter une 3e variable dans le mélange?

C'est un peu dans l'espace, je suis en train de réfléchir.
Résumé statistiques à l'aide de ddply

mise à jour Cela me fait là, mais c'est pas assez.

aggregate(mpg ~ am+cyl+gear, mtcars,sum)

Acclamations

OriginalL'auteur nzcoops | 2012-04-19

  1. 34

    Comment à ce sujet, toujours à l'aide de tapply()? Il est plus polyvalent que vous le saviez!

    with(mtcars, tapply(mpg, list(cyl, gear), sum))
#       three  four five
# four   21.5 215.4 56.4
# six    39.5  79.0 19.7
# eight 180.6    NA 30.8

    Ou, si vous souhaitez que le résultat de l'impression d'être un peu plus interprétables:

    with(mtcars, tapply(mpg, list("Cylinder#"=cyl, "Gear#"=gear), sum))

    Si vous souhaitez utiliser plus de deux la croix-variables de classification, l'idée est exactement la même chose. Les résultats seront ensuite renvoyés dans un 3-ou-plus-dimensions tableau:

    A <- with(mtcars, tapply(mpg, list(cyl, gear, carb), sum))

dim(A)
# [1] 3 3 6
lapply(1:6, function(i) A[,,i]) # To convert results to a list of matrices

# But eventually, the curse of dimensionality will begin to kick in...
table(is.na(A))
# FALSE  TRUE 
#    12    42
    Cela semble être la réponse la plus évidente, considérant que tapply à un facteur a été le point de départ. ftable pourrait également être d'intérêt.

    OriginalL'auteur Josh O'Brien

  2. 7

    Je pense que les réponses sont déjà sur cette question sont des options fantastiques, mais je voulais partager une option supplémentaire basé sur le dplyr paquet (ce qui est venu pour moi parce que je suis l'enseignement d'une classe dès maintenant, où nous utilisons dplyr pour la manipulation de données, donc je voulais éviter d'introduire les étudiants à des services spécialisés de la base de R des fonctions comme tapply ou aggregate).

    Vous pouvez regrouper autant de variables que vous le souhaitez à l'aide de la group_by la fonction, puis de résumer l'information à partir de ces groupes avec summarize. Je pense que ce code est plus lisible pour un R de nouveaux arrivants que la formule de base de l'interface de aggregate, produisant des résultats identiques:

    library(dplyr)
mtcars %>%
  group_by(am, cyl, gear) %>%
  summarize(mpg=sum(mpg))
#       am   cyl  gear   mpg
#    (dbl) (dbl) (dbl) (dbl)
# 1      0     4     3  21.5
# 2      0     4     4  47.2
# 3      0     6     3  39.5
# 4      0     6     4  37.0
# 5      0     8     3 180.6
# 6      1     4     4 168.2
# 7      1     4     5  56.4
# 8      1     6     4  42.0
# 9      1     6     5  19.7
# 10     1     8     5  30.8

    À deux variables, vous pouvez résumer en une variable sur les lignes et l'autre sur les colonnes en ajoutant un appel à la spread fonction de la tidyr package:

    library(dplyr)
library(tidyr)
mtcars %>%
  group_by(cyl, gear) %>%
  summarize(mpg=sum(mpg)) %>%
  spread(gear, mpg)
#     cyl     3     4     5
#   (dbl) (dbl) (dbl) (dbl)
# 1     4  21.5 215.4  56.4
# 2     6  39.5  79.0  19.7
# 3     8 180.6    NA  30.8
    Ce qui ne l' %>% signifie?
    vous pouvez la lire stackoverflow.com/questions/24536154/what-does-mean-in-r

    OriginalL'auteur josliber

  3. 4

    J'aime Josh réponse à cela, mais reshape2 peut également fournir un cadre utile pour ce type de problèmes:

    library(reshape2)

#use subset to only grab the variables of interest...
mtcars.m <- melt(subset(mtcars, select = c("mpg", "gear", "cyl")), measure.vars="mpg")
#cast into appropriate format
dcast(mtcars.m, cyl ~ gear, fun.aggregate=sum, value.var="value")

   cyl three  four five
1  four  21.5 215.4 56.4
2   six  39.5  79.0 19.7
3 eight 180.6   0.0 30.8
    J'ai édité pour mettre des guillemets autour de la "mpg" passé à measure.vars, b/c le code n'était pas autrement de travail pour moi. Ne fait que regarder à droite pour vous aussi? Aussi, est-il un moyen facile d'obtenir ce retour NA plutôt que 0 dans le milieu de la rangée du bas?
    très étrange, je n'ai aucune idée de la raison qui a travaillé précédemment sans les guillemets autour de mpg...merci pour ça. Aussi, le fill paramètre dcast devrait permettre de NA, mais j'ai une erreur étrange...la mise en fill = Inf ou toute autre valeur numérique fonctionne bien. Ce n'est pas ce que je m'attendrais à partir de la fonction...va creuser plus loin

    OriginalL'auteur Chase

  4. 3

    La réponse contient même une sortie à l'aide tapply et de la fonction d'agrégation.

    Je voudrais ajouter quelques informations à Josh O'Brien réponse. L'utilisateur peut soit utiliser la fonction d'agrégation ou tapply en fonction de la production. Afin d'utiliser plus d'un facteur variable dans tapply on peut utiliser la méthode de Josh l'a montré.

    Chargement dataset

    data("mtcars")

    À l'aide de tapply

    with(mtcars, tapply(mpg, list("Cylinder#"=cyl, "Gear#"=gear), sum))

    La sortie de code ci-dessus est 

            Gear#
Cylinder#     3     4    5
    4     21.5 215.4 56.4
    6     39.5  79.0 19.7
    8    180.6    NA 30.8

    À l'aide de la fonction d'agrégation

    with(mtcars, aggregate(mpg, list(Cylinder = cyl, Gear =  gear), sum))

    De sortie de la fonction d'agrégation

        Cylinder Gear  x
1        4    3  21.5
2        6    3  39.5
3        8    3 180.6
4        4    4 215.4
5        6    4  79.0
6        4    5  56.4
7        6    5  19.7
8        8    5  30.8

    Maintenant, si l'utilisateur veut le même résultat que la fonction d'agrégation, mais à l'aide de tapply.

    as.data.frame(as.table(with(mtcars, tapply(mpg, list("Cylinder#"=cyl, "Gear#"=gear),
sum))))

    De sortie de la fonction tapply 

       Cylinder. Gear.  Freq
1         4     3  21.5
2         6     3  39.5
3         8     3 180.6
4         4     4 215.4
5         6     4  79.0
6         8     4    NA
7         4     5  56.4
8         6     5  19.7
9         8     5  30.8

    NA peut être conservé ou supprimé que par les exigences d'affaires.

    OriginalL'auteur Maulik Chaudhary