web-dev-qa-db-ja.com

グループごとに複数の変数を集計/要約します(例:合計、平均)

データフレームから、複数の変数を同時に(summeanmax et c)集約する簡単な方法はありますか?

以下にサンプルデータを示します。

library(lubridate)
days = 365*2
date = seq(as.Date("2000-01-01"), length = days, by = "day")
year = year(date)
month = month(date)
x1 = cumsum(rnorm(days, 0.05)) 
x2 = cumsum(rnorm(days, 0.05))
df1 = data.frame(date, year, month, x1, x2)

年と月ごとにx1x2変数をdf2データフレームから同時に集計したいと思います。次のコードはx1変数を集約しますが、x2変数を同時に集約することもできますか?

### aggregate variables by year month
df2=aggregate(x1 ~ year+month, data=df1, sum, na.rm=TRUE)
head(df2)

どんな提案も大歓迎です。

134
MikeTP

このyear()関数はどこから来ましたか?

このタスクにreshape2パッケージを使用することもできます。

require(reshape2)
df_melt <- melt(df1, id = c("date", "year", "month"))
dcast(df_melt, year + month ~ variable, sum)
#  year month         x1           x2
1  2000     1  -80.83405 -224.9540159
2  2000     2 -223.76331 -288.2418017
3  2000     3 -188.83930 -481.5601913
4  2000     4 -197.47797 -473.7137420
5  2000     5 -259.07928 -372.4563522
43
EDi

はい、formulaで、集約する数値変数をcbindできます:

aggregate(cbind(x1, x2) ~ year + month, data = df1, sum, na.rm = TRUE)
   year month         x1          x2
1  2000     1   7.862002   -7.469298
2  2001     1 276.758209  474.384252
3  2000     2  13.122369 -128.122613
...
23 2000    12  63.436507  449.794454
24 2001    12 999.472226  922.726589

?aggregateformula引数、および例を参照してください。

178
Andrie

data.tableパッケージを使用します。これは高速です(大規模なデータセットに便利です)

https://github.com/Rdatatable/data.table/wiki

library(data.table)
df2 <- setDT(df1)[, lapply(.SD, sum), by=.(year, month), .SDcols=c("x1","x2")]
setDF(df2) # convert back to dataframe

Plyrパッケージを使用する

require(plyr)
df2 <- ddply(df1, c("year", "month"), function(x) colSums(x[c("x1", "x2")]))

Hmiscパッケージのsummary()を使用します(ただし、私の例では列見出しが乱雑です)

# need to detach plyr because plyr and Hmisc both have a summarize()
detach(package:plyr)
require(Hmisc)
df2 <- with(df1, summarize( cbind(x1, x2), by=llist(year, month), FUN=colSums))
47
numbercruncher

dplyrパッケージでは、summarise_allsummarise_at、またはsummarise_if関数を使用して、複数の変数を同時に集約できます。サンプルデータセットでは、次のようにこれを行うことができます。

library(dplyr)
# summarising all non-grouping variables
df2 <- df1 %>% group_by(year, month) %>% summarise_all(sum)

# summarising a specific set of non-grouping variables
df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(x1, x2), sum)
df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(-date), sum)

# summarising a specific set of non-grouping variables using select_helpers
# see ?select_helpers for more options
df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(starts_with('x')), sum)
df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(matches('.*[0-9]')), sum)

# summarising a specific set of non-grouping variables based on condition (class)
df2 <- df1 %>% group_by(year, month) %>% summarise_if(is.numeric, sum)

後者の2つのオプションの結果:

    year month        x1         x2
   <dbl> <dbl>     <dbl>      <dbl>
1   2000     1 -73.58134  -92.78595
2   2000     2 -57.81334 -152.36983
3   2000     3 122.68758  153.55243
4   2000     4 450.24980  285.56374
5   2000     5 678.37867  384.42888
6   2000     6 792.68696  530.28694
7   2000     7 908.58795  452.31222
8   2000     8 710.69928  719.35225
9   2000     9 725.06079  914.93687
10  2000    10 770.60304  863.39337
# ... with 14 more rows

注:summarise_eachは、summarise_allsummarise_at、およびsummarise_ifの代わりに推奨されません。


上記のコメント で述べたように、reshape2- packageからrecast関数を使用することもできます:

library(reshape2)
recast(df1, year + month ~ variable, sum, id.var = c("date", "year", "month"))

同じ結果が得られます。

44
Jaap

興味深いことに、ベースR aggregatedata.frameメソッドはここでは紹介されていません。 上記 式インターフェースが使用されているため、完全を期すために:

aggregate(
  x = df1[c("x1", "x2")],
  by = df1[c("year", "month")],
  FUN = sum, na.rm = TRUE
)

集約のdata.frameメソッドのより一般的な使用:

私たちが提供しているので

  • xとしてのdata.frameおよび
  • listdata.framelistでもあります)はbyとして、これを動的な方法で使用する必要がある場合に非常に便利です。他の列を使用して集約および集約することは非常に簡単です
  • カスタムメイドの集計関数も

たとえば、次のようになります。

colsToAggregate <- c("x1")
aggregateBy <- c("year", "month")
dummyaggfun <- function(v, na.rm = TRUE) {
  c(sum = sum(v, na.rm = na.rm), mean = mean(v, na.rm = na.rm))
}

aggregate(df1[colsToAggregate], by = df1[aggregateBy], FUN = dummyaggfun)
4
Jozef

パーティーに遅れたが、最近、要約統計を取得する別の方法を見つけた。

library(psych) describe(data)

出力されるもの:各変数の平均、最小、最大、標準偏差、n、標準誤差、尖度、歪度、中央値、範囲。

0
britt