[英]summarize groups into intervals using dplyr
H,我有一個這樣的數據框:
d <- data.frame(v1=seq(0,9.9,0.1),
v2=rnorm(100),
v3=rnorm(100))
> head(d)
v1 v2 v3
1 0.0 -0.01431916 -0.5005415
2 0.1 -1.01575590 1.5307473
3 0.2 1.00081065 -0.1730830
4 0.3 -1.20697918 0.5105118
5 0.4 -2.16698578 -1.0120544
6 0.5 0.33886508 0.4797016
我現在想要一個新的數據框,它總結了0-0.99,1-1.99,2-2.99,3-3.99 ......的間隔中的所有值。
像這樣
start end mean.v2 mean.v3
0 1 0.2 0.1
1 2 0.5 0.4
等等
謝謝
更新我應該補充一點,在我的實際數據集中,每個區間的觀察結果具有不同的長度,並且它們並不總是從零開始或在10結束時結束。
這是使用@akrun建議的cut()
一種方法:
d %>% mutate( ints = cut(v1 ,breaks = 11)) %>%
group_by(ints) %>%
summarise( mean.v2 = mean(v2) , mean.v3 = mean(v3) )
基於@David H的回答,有2個選項可供選擇:
cut()
的向量生成帶cut()
間隔 floor()
而不是cut()
生成間隔 創建數據
set.seed(33)
d <- data.frame(v1=seq(0,9.9,0.1),
v2=rnorm(100),
v3=rnorm(100))
cut()
的向量生成帶cut()
間隔 對於這個簡單的例子,你可以使用breaks <- 0:10
但更一般的是,我們需要d$v1
的最小值和最大值。
breaks <- floor(min(d$v1)):ceiling(max(d$v1))
breaks
# [1] 0 1 2 3 4 5 6 7 8 9 10
總結間隔0-0.99,1-1.99,2-2.99,3-3.99,....
d %>%
mutate(interval = cut(v1,
breaks,
include.lowest = TRUE,
right = FALSE)) %>%
group_by(interval) %>%
summarise( mean.v2 = mean(v2) , mean.v3 = mean(v3))
# Source: local data frame [10 x 3]
#
# interval mean.v2 mean.v3
# (fctr) (dbl) (dbl)
# 1 [0,1) -0.13040624 -0.20781247
# 2 [1,2) 0.26505794 0.51990167
# 3 [2,3) 0.13451628 1.12066174
# 4 [3,4) 0.23451272 -0.14773437
# 5 [4,5) 0.34326922 0.28567969
# 6 [5,6) -0.77059944 -0.16629580
# 7 [6,7) -0.17617190 0.03320797
# 8 [7,8) 0.86550135 -0.24664350
# 9 [8,9) -0.06652047 -0.27798769
# 10 [9,10] -0.10424865 0.24060163
floor()
而不是cut()
生成間隔 通過從每個間隔的末尾減去1e-9
的微小數字來作弊。
d %>%
mutate(start = floor(v1), end = start + 1 - 1e-9 ) %>%
group_by(start, end) %>%
summarise_each(funs(mean))
# Source: local data frame [10 x 4]
# Groups: start [?]
#
# start end mean.v2 mean.v3
# (dbl) (dbl) (dbl) (dbl)
# 1 0 1 -0.13040624 -0.20781247
# 2 1 2 0.26505794 0.51990167
# 3 2 3 0.13451628 1.12066174
# 4 3 4 0.23451272 -0.14773437
# 5 4 5 0.34326922 0.28567969
# 6 5 6 -0.77059944 -0.16629580
# 7 6 7 -0.17617190 0.03320797
# 8 7 8 0.86550135 -0.24664350
# 9 8 9 -0.06652047 -0.27798769
# 10 9 10 -0.10424865 0.24060163
使用floor()和ceiling()函數。 例如,在間隔為1 - 1或2 - 2的情況下,ifelse()。
d<-data.frame(v1=seq(0,9.9,0.1),
v2=rnorm(100),
v3=rnorm(100))
library(dplyr)
d%>%
mutate(start=floor(v1),
end=ifelse(ceiling(v1)==start,start+1,ceiling(v1)))%>%
group_by(start,end)%>%
summarise(mean.v2=mean(v2),
mean.v3=mean(v3))
Source: local data frame [10 x 4]
Groups: start [?]
start end mean.v2 mean.v3
(dbl) (dbl) (dbl) (dbl)
1 0 1 0.135180183 -0.36083298
2 1 2 -0.245567899 0.26827020
3 2 3 -0.051136441 0.14211666
4 3 4 0.252451303 0.38530797
5 4 5 0.007209073 0.30137345
6 5 6 -0.307008690 0.07662942
7 6 7 0.103271270 0.14734865
8 7 8 0.016753997 -0.02559756
9 8 9 -0.199958098 -0.21821830
10 9 10 0.532339512 -0.46509108
相同但包括一個名為interval而不是兩個(開始和結束)的列:
d%>%
mutate(start=floor(v1),
end=ifelse(ceiling(v1)==start,start+1,ceiling(v1)),
interval=paste(start,"-",end))%>%
select(-start,-end)%>%
group_by(interval)%>%
summarise(mean.v2=mean(v2),
mean.v3=mean(v3))
Source: local data frame [10 x 3]
interval mean.v2 mean.v3
(chr) (dbl) (dbl)
1 0 - 1 0.135180183 -0.36083298
2 1 - 2 -0.245567899 0.26827020
3 2 - 3 -0.051136441 0.14211666
4 3 - 4 0.252451303 0.38530797
5 4 - 5 0.007209073 0.30137345
6 5 - 6 -0.307008690 0.07662942
7 6 - 7 0.103271270 0.14734865
8 7 - 8 0.016753997 -0.02559756
9 8 - 9 -0.199958098 -0.21821830
10 9 - 10 0.532339512 -0.46509108
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.