web-dev-qa-db-ja.com

rのデータフレームでグループごとの平均/中央値を計算する方法

次のように、コストーマーがどれだけのお金を使っているかを詳細に記録するデータフレームがあります。

custid, value
1,  1
1,  3
1,  2
1,  5
1,  4
1,  1
2,  1
2,  10
3,  1
3,  2
3,  5

次のように、平均、最大、中央値、標準などを使用して特性を計算する方法は?適用機能を使用しますか?そしてどうやって?

custid, mean, max,min,median,std
1,  ....
2,....
3,....
12
Daniel Wu

代替に追加するために、「doBy」パッケージのsummaryByを使用します。これにより、適用する関数のlistを指定できます。

library(doBy)
summaryBy(value ~ custid, data = mydf, 
          FUN = list(mean, max, min, median, sd))
#   custid value.mean value.max value.min value.median value.sd
# 1      1   2.666667         5         1          2.5 1.632993
# 2      2   5.500000        10         1          5.5 6.363961
# 3      3   2.666667         5         1          2.0 2.081666

もちろん、ベースRに固執することもできます。

myFun <- function(x) {
  c(min = min(x), max = max(x), 
    mean = mean(x), median = median(x), 
    std = sd(x))
}

tapply(mydf$value, mydf$custid, myFun)
# $`1`
#      min      max     mean   median      std 
# 1.000000 5.000000 2.666667 2.500000 1.632993 
# 
# $`2`
#       min       max      mean    median       std 
#  1.000000 10.000000  5.500000  5.500000  6.363961 
# 
# $`3`
#      min      max     mean   median      std 
# 1.000000 5.000000 2.666667 2.000000 2.081666 

cbind(custid = unique(mydf$custid), 
      do.call(rbind, tapply(mydf$value, mydf$custid, myFun)))
#   custid min max     mean median      std
# 1      1   1   5 2.666667    2.5 1.632993
# 2      2   1  10 5.500000    5.5 6.363961
# 3      3   1   5 2.666667    2.0 2.081666
17
library(dplyr)
dat%>%
group_by(custid)%>% 
summarise(Mean=mean(value), Max=max(value), Min=min(value), Median=median(value), Std=sd(value))
#  custid     Mean Max Min Median      Std
#1      1 2.666667   5   1    2.5 1.632993
#2      2 5.500000  10   1    5.5 6.363961
#3      3 2.666667   5   1    2.0 2.081666

より大きなデータセットの場合、data.tableはより高速です

setDT(dat)[,list(Mean=mean(value), Max=max(value), Min=min(value), Median=as.numeric(median(value)), Std=sd(value)), by=custid]
#   custid     Mean Max Min Median      Std
#1:      1 2.666667   5   1    2.5 1.632993
#2:      2 5.500000  10   1    5.5 6.363961
#3:      3 2.666667   5   1    2.0 2.081666
14
akrun

Plyrパッケージを使用できます

分割適用結合戦略

ddply(dataframe, .(groupcol), function)

あなたの場合

ddply(dataframe, .(custid), summarize, "mean"= mean(value), "median" = median(value))

あなたがあなたのための良い例を持っているddplyのヘルプを見てください

5
BBrill

dplyrを使用して、すべての列または同じ列に多数の関数を適用する場合は、summarise_eachまたはmutate_each

require(dplyr)
dat %>%
  group_by(custid) %>%
  summarise_each(funs(max, min, mean, median, sd), value)
#Source: local data frame [3 x 6]
#
#  custid max min     mean median       sd
#1      1   5   1 2.666667    2.5 1.632993
#2      2  10   1 5.500000    5.5 6.363961
#3      3   5   1 2.666667    2.0 2.081666

または、ベースRのaggregateを持つ別のオプション:

aggregate(value ~ custid, data = dat, summary)
#  custid value.Min. value.1st Qu. value.Median value.Mean value.3rd Qu. value.Max.
#1      1      1.000         1.250        2.500      2.667         3.750      5.000
#2      2      1.000         3.250        5.500      5.500         7.750     10.000
#3      3      1.000         1.500        2.000      2.667         3.500      5.000

(これには標準偏差は含まれていませんが、他の記述統計のニースのアプローチだと思います。)

5

psychパッケージのdescribeBy()が好きです。このような

df <- structure(list(custid. = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 3L, 
3L, 3L), value = c(1L, 3L, 2L, 5L, 4L, 1L, 1L, 10L, 1L, 2L, 5L
)), .Names = c("custid.", "value"), class = "data.frame", row.names = c(NA, 
-11L))
df
       custid. value
1        1     1
2        1     3
3        1     2
4        1     5
5        1     4
6        1     1
7        2     1
8        2    10
9        3     1
10       3     2
11       3     5
# install.packages(c("psych"), dependencies = TRUE)
require(psych)

 describeBy(df$value, df$custid.)
group: 1
  vars n mean   sd median trimmed  mad min max range skew kurtosis   se
1    1 6 2.67 1.63    2.5    2.67 2.22   1   5     4 0.21    -1.86 0.67
----------------------------------------------------------------------- 
group: 2
  vars n mean   sd median trimmed  mad min max range skew kurtosis  se
1    1 2  5.5 6.36    5.5     5.5 6.67   1  10     9    0    -2.75 4.5
----------------------------------------------------------------------- 
group: 3
  vars n mean   sd median trimmed  mad min max range skew kurtosis  se
1    1 3 2.67 2.08      2    2.67 1.48   1   5     4 0.29    -2.33 1.2

または、必要に応じて行列として取得し、

 describeBy(df$value, df$custid., mat=T, skew = F)
   item group1 vars n     mean       sd median min max range        se
11    1      1    1 6 2.666667 1.632993    2.5   1   5     4 0.6666667
12    2      2    1 2 5.500000 6.363961    5.5   1  10     9 4.5000000
13    3      3    1 3 2.666667 2.081666    2.0   1   5     4 1.2018504
5
Eric Fail