[英]Grouping the dataframe based on one variable
我有一個包含10個變量的數據框,所有變量都是數字變量,變量名稱之一是age,我想根據age.example對觀察結果進行分組。 年齡在17至18歲的一組,另一組在19-22歲的年齡,然后每行應附加到每一組。 結果應該是進一步操作的數據框。 數據框模型:
A B AGE
25 50 17
30 42 22
50 60 19
65 105 17
355 400 21
68 47 20
115 98 18
25 75 19
我想要像這樣的結果
17-18
A B AGE
25 50 17
65 105 17
115 98 18
19-22
A B AGE
30 42 22
50 60 19
355 400 21
68 47 20
115 98 18
25 75 19
我確實使用split函數根據Age var對數據集進行了分組,現在我關心的是如何操作分組的數據。 例如:答案看起來像
$1
A B AGE
25 50 17
65 105 17
115 98 18
$2
A B AGE
30 42 22
50 60 19
355 400 21
68 47 20
115 98 18
25 75 19
我的問題是如何訪問每個組進行進一步的操作? 例如:如果我想分別為每個組做t檢驗?
split函數將與數據框一起使用。 使用帶有'breaks'的cut
或具有適當cut
點集合(如果使用命名參數,則命名為'vec')的findInterval
作為分組的標准,第二個參數為split
。 cut
的默認設置是在右側關閉間隔,而findInterval
默認設置在左側關閉。
> split(dat, findInterval(dat$AGE, c(17, 19.5, 22.5)))
$`1`
A B AGE
1 25 50 17
3 50 60 19
4 65 105 17
7 115 98 18
8 25 75 19
$`2`
A B AGE
2 30 42 22
5 355 400 21
6 68 47 20
這是cut
的方法
lst <- split(df1, cut(df1$AGE, breaks=c(16, 18, 22), labels=FALSE))
lst
# $`1`
# A B AGE
#1 25 50 17
#4 65 105 17
#7 115 98 18
#$`2`
# A B AGE
#2 30 42 22
#3 50 60 19
#5 355 400 21
#6 68 47 20
#8 25 75 19
如果您需要找到sum
,則每個“列表”元素的列mean
lapply(lst, function(x) rbind(colSums(x[-3]),colMeans(x[-3])))
但是,如果目標是根據組查找匯總統計信息,則可以使用任何匯總函數來完成
library(dplyr)
df1 %>%
group_by(grp=cut(AGE, breaks=c(16, 18, 22), labels=FALSE)) %>%
summarise_each(funs(sum=sum(., na.rm=TRUE),
mean=mean(., na.rm=TRUE)), A:B)
# grp A_sum B_sum A_mean B_mean
#1 1 205 253 68.33333 84.33333
#2 2 528 624 105.60000 124.80000
或使用base R
aggregate
do.call(data.frame,
aggregate(cbind(A,B)~cbind(grp=cut(AGE, breaks=c(16, 18, 22),
labels=FALSE)), df1, function(x) c(sum=sum(x), mean=mean(x))))
df1 <- structure(list(A = c(25L, 30L, 50L, 65L, 355L, 68L, 115L, 25L
), B = c(50L, 42L, 60L, 105L, 400L, 47L, 98L, 75L), AGE = c(17L,
22L, 19L, 17L, 21L, 20L, 18L, 19L)), .Names = c("A", "B", "AGE"
), class = "data.frame", row.names = c(NA, -8L))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.