如何通过某些变量折叠数据框,在其他变量中取平均值

Posted

技术标签:

【中文标题】如何通过某些变量折叠数据框,在其他变量中取平均值【英文标题】:How can I collapse a dataframe by some variables, taking mean across others 【发布时间】:2011-02-03 05:33:02 【问题描述】:

我需要通过一些变量来总结数据框,而忽略其他变量。这有时被称为崩溃。例如。如果我有这样的数据框:

Widget Type Energy  
egg 1 20  
egg 2 30  
jap 3 50  
jap 1 60

然后按 Widget 折叠,以 Energy 为因变量,Energy~Widget,将产生

Widget Energy  
egg  25  
jap  55  

在 Excel 中,最接近的功能可能是“数据透视表”,我已经研究了如何在 python 中执行此操作 (http://alexholcombe.wordpress.com/2009/01/26/summarizing-data-by-combinations-of-variables-with-python/),这里是 R 使用 doBy 库执行非常相关的操作的示例 (http://www.mail-archive.com/r-help@r-project.org/msg02643.html ),但是有没有一种简单的方法来完成上述操作?更好的是,ggplot2 库中是否内置了任何东西来创建跨某些变量折叠的图?

【问题讨论】:

【参考方案1】:

使用aggregate 总结一个因素:

> df<-read.table(textConnection('
+ egg 1 20
+ egg 2 30
+ jap 3 50
+ jap 1 60'))
> aggregate(df$V3,list(df$V1),mean)
  Group.1  x
1     egg 25
2     jap 55

要获得更大的灵活性,请查看tapply 函数和plyr 包。

ggplot2 中使用stat_summary 进行总结

qplot(V1,V3,data=df,stat="summary",fun.y=mean,geom='bar',width=0.4)

【讨论】:

by 也时不时派上用场。 对于使用ddply 来自plyr 包的示例,请查看此相关问题:***.com/questions/2473659/… 我会查看 plyr 的通用 SAC 组合框架(什么是数据透视表),这是一个很好的资源 谢谢!我花了一段时间才了解 ggplot2 stat。我想这正是我想要的: ggplot(data=df,aes(x=Widget,y=Energy))+ stat_summary(fun.y=mean,ymin=10,ymax=60) 您真的想要排长队吗?否则 stat_summary(fun.y=mean,geom='point') 只会产生分数。【参考方案2】:

对于熟悉 SQL 的人来说,操作数据帧的另一种方法是 sqldf 包中的 sqldf 命令。

library(sqldf)
sqldf("SELECT Widget, avg(Energy) FROM yourDataFrame GROUP BY Widget")

【讨论】:

【参考方案3】:

@Jyotirmoy 提到这可以通过plyr 库来完成。这就是它的样子:

DF <- read.table(text=
"Widget Type Energy  
egg 1 20  
egg 2 30  
jap 3 50  
jap 1 60", header=TRUE)

library("plyr")
ddply(DF, .(Widget), summarise, Energy=mean(Energy))

给了

> ddply(DF, .(Widget), summarise, Energy=mean(Energy))
  Widget Energy
1    egg     25
2    jap     55

【讨论】:

以上是关于如何通过某些变量折叠数据框,在其他变量中取平均值的主要内容,如果未能解决你的问题,请参考以下文章

如何从数据库数据中取平均值? TypeError: 不支持的操作数类型 /: 'Decimal' 和 'float'

Pandas 通过取列之间的平均值来合并两个数据框

为某些变量添加前缀而不触及其他变量?

如何获取在CoreData中取平均值的Entity属性

如何按组汇总数据,通过创建虚拟变量作为折叠方法

labview运算