創建具有均值、標准差、標准誤差和置信度誤差的數據框

Question

我試圖用這個數據框創建一個新的數據框，其中包含每個變量的均值、標准差（sd）、標准誤差（se）和置信區間（ci）。

pct.df <- structure(list(group = c("a", "a", "a", "b", "b", "b"), gender = c("male", 
"female", "male", "female", "male", "female"), var_a = c(33.3333333333333, 
16.6666666666667, 50, 50, 50, 33.3333333333333), var_b = c(50, 
75, 50, 75, 75, 75), var_c = c(50, 75, 75, 100, 75, 75), var_d = c(50, 
25, 0, 25, 50, 50), var_e = c(25, 0, 50, 0, 50, 25), var_f = c(25, 
25, 0, 50, 50, 25), var_g = c(25, 25, 0, 50, 50, 25), var_h = c(25, 
25, 0, 50, 50, 25), avg = c(35.4166666666667, 33.3333333333333, 
28.125, 50, 56.25, 41.6666666666667)), class = "data.frame", row.names = c(NA, 
-6L))

我想比較 A 組和 B 組每個變量的平均值（即 val_a 到 val_h 和 avg）。

我目前知道如何計算平均值。

sum.df <- pct.df %>% 
  group_by(group) %>% 
  summarise_if(is.numeric, mean) %>%
  pivot_longer(cols = -group, names_to = "Variable") 

但是，我也試圖在同一數據框中獲取每個 var_ 的 sd、se 和 ci。

我嘗試使用來自https://www.r-graph-gallery.com/4-barplot-with-error-bar.html 的類似內容來獲得我想要的東西。

my_sum <- data %>%
  group_by(Species) %>%
  summarise( 
    n=n(),
    mean=mean(Sepal.Length),
    sd=sd(Sepal.Length)
  ) %>%
  mutate( se=sd/sqrt(n))  %>%
  mutate( ic=se * qt((1-0.05)/2 + .5, n-1))

但我不能讓它工作（由於我不了解我應該如何使用多個變量來處理它）。 我是 R 的新手，我很感激我應該研究的任何建議或替代方法。

注意 - 理想情況下，輸出看起來像這樣？

    group Variables mean sd se  ci
1      a     var_a   38 16 22  54
2      a     var_b   69 24 45  93
3      a     var_c   75 20 55  95
4      a     var_d   44 12 32  56
5      a     var_e   31 24  7  55
6      a     var_f   38 14 24  52
7      a     var_g   38 14 24  52
8      a     var_h   38 14 24  52
9      a       AVG   46 14 32  60
10     b     var_a   58 29 29  87
11     b     var_b   81 12 69  93
12     b     var_c   88 14 74 102
13     b     var_d   56 31 25  87
14     b     var_e   56 31 25  87
15     b     var_f   56 31 25  87
16     b     var_g   56 31 25  87
17     b     var_h   56 31 25  87
18     b       AVG   64 25 39  89

Answer 1

根據您的評論和更新后的帖子，此解決方案將起作用：

library(tidyverse)
pct.df <- structure(list(group = c("a", "a", "a", "b", "b", "b"), gender = c("male", 
                                                                             "female", "male", "female", "male", "female"), var_a = c(33.3333333333333, 
                                                                                                                                      16.6666666666667, 50, 50, 50, 33.3333333333333), var_b = c(50, 
                                                                                                                                                                                                 75, 50, 75, 75, 75), var_c = c(50, 75, 75, 100, 75, 75), var_d = c(50, 
                                                                                                                                                                                                                                                                    25, 0, 25, 50, 50), var_e = c(25, 0, 50, 0, 50, 25), var_f = c(25, 
                                                                                                                                                                                                                                                                                                                                   25, 0, 50, 50, 25), var_g = c(25, 25, 0, 50, 50, 25), var_h = c(25, 
                                                                                                                                                                                                                                                                                                                                                                                                   25, 0, 50, 50, 25), avg = c(35.4166666666667, 33.3333333333333, 
                                                                                                                                                                                                                                                                                                                                                                                                                               28.125, 50, 56.25, 41.6666666666667)), class = "data.frame", row.names = c(NA, 
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          -6L))
pct.df %>% 
  pivot_longer(-c(group, gender, avg), names_to = "variable") %>% 
  group_by(group, variable) %>%
  summarise(n = n(),
            mean = mean(value),
            sd = sd(value),
            se = sd/sqrt(n),
            ic = se * qt((1-0.05)/2 + .5, n-1)) %>%
  select(-n) %>%
  bind_rows(summarise(., across(everything(),
                                ~if(is.numeric(.)) mean(.) else "AVG"))) %>%
  arrange(group)
#> `summarise()` has grouped output by 'group'. You can override using the `.groups` argument.
#> # A tibble: 18 x 6
#> # Groups:   group [2]
#>    group variable  mean    sd    se    ic
#>    <chr> <chr>    <dbl> <dbl> <dbl> <dbl>
#>  1 a     var_a     33.3 16.7   9.62  41.4
#>  2 a     var_b     58.3 14.4   8.33  35.9
#>  3 a     var_c     66.7 14.4   8.33  35.9
#>  4 a     var_d     25   25    14.4   62.1
#>  5 a     var_e     25   25    14.4   62.1
#>  6 a     var_f     16.7 14.4   8.33  35.9
#>  7 a     var_g     16.7 14.4   8.33  35.9
#>  8 a     var_h     16.7 14.4   8.33  35.9
#>  9 a     AVG       32.3 17.4  10.0   43.1
#> 10 b     var_a     44.4  9.62  5.56  23.9
#> 11 b     var_b     75    0     0      0  
#> 12 b     var_c     83.3 14.4   8.33  35.9
#> 13 b     var_d     41.7 14.4   8.33  35.9
#> 14 b     var_e     25   25    14.4   62.1
#> 15 b     var_f     41.7 14.4   8.33  35.9
#> 16 b     var_g     41.7 14.4   8.33  35.9
#> 17 b     var_h     41.7 14.4   8.33  35.9
#> 18 b     AVG       49.3 13.3   7.71  33.2

^{由reprex 包( v2.0.0 ) 於 2021 年 7 月 10 日創建}

Answer 2

這是一種類似的方法，無需旋轉數據。 此方法依賴於summarise也可以返回summarise向量的事實。

pct.df %>%
  group_by(group) %>%
  summarise(
    val = c("mean", "sd", "n", "se", "ic"),
    across(
      where(is.numeric),
      ~c(mean(.x), sd(.x),length(.x), sd(.x) / length(.x), 
         sd(.x) / length(.x) * qt((1-0.05)/2 + .5, length(.x) - 1))
    ), .groups = "drop"
  )

# A tibble: 10 x 11
   group val   var_a var_b var_c var_d var_e var_f var_g var_h   avg
   <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1 a     mean  33.3  58.3  66.7  25    25    16.7  16.7  16.7  32.3 
 2 a     sd    16.7  14.4  14.4  25    25    14.4  14.4  14.4   3.76
 3 a     n      3     3     3     3     3     3     3     3     3   
 4 a     se     5.56  4.81  4.81  8.33  8.33  4.81  4.81  4.81  1.25
 5 a     ic    23.9  20.7  20.7  35.9  35.9  20.7  20.7  20.7   5.39
 6 b     mean  44.4  75    83.3  41.7  25    41.7  41.7  41.7  49.3 
 7 b     sd     9.62  0    14.4  14.4  25    14.4  14.4  14.4   7.32
 8 b     n      3     3     3     3     3     3     3     3     3   
 9 b     se     3.21  0     4.81  4.81  8.33  4.81  4.81  4.81  2.44
10 b     ic    13.8   0    20.7  20.7  35.9  20.7  20.7  20.7  10.5