データフレームから、複数の変数を同時に(sum
、mean
、max
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x1
とx2
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。
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
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
?aggregate
、formula
引数、および例を参照してください。
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))
dplyr
パッケージでは、summarise_all
、summarise_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_all
、summarise_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。
興味深いことに、ベースR aggregate
のdata.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list
(data.frame
はlist
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)
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。