Aggrega / riepiloga più variabili per gruppo (ad esempio sum, media)

Da un frame di dati, esiste un modo semplice per aggregare ( sum , mean , max e c) più variabili contemporaneamente?

Di seguito sono riportati alcuni dati di esempio:

 library(lubridate) days = 365*2 date = seq(as.Date("2000-01-01"), length = days, by = "day") year = year(date) month = month(date) x1 = cumsum(rnorm(days, 0.05)) x2 = cumsum(rnorm(days, 0.05)) df1 = data.frame(date, year, month, x1, x2) 

Vorrei aggregare simultaneamente le variabili x1 e x2 dal data frame df2 per anno e mese. Il seguente codice aggrega la variabile x1 , ma è anche ansible aggregare simultaneamente la variabile x2 ?

 ### aggregate variables by year month df2=aggregate(x1 ~ year+month, data=df1, sum, na.rm=TRUE) head(df2) 

Ogni suggerimento sarà molto apprezzato.

Da dove viene la funzione di year() ?

È anche ansible utilizzare il pacchetto reshape2 per questa attività:

 require(reshape2) df_melt <- melt(df1, id = c("date", "year", "month")) dcast(df_melt, year + month ~ variable, sum) # year month x1 x2 1 2000 1 -80.83405 -224.9540159 2 2000 2 -223.76331 -288.2418017 3 2000 3 -188.83930 -481.5601913 4 2000 4 -197.47797 -473.7137420 5 2000 5 -259.07928 -372.4563522 

Sì, nella tua formula , puoi cbind le variabili numeriche da aggregare:

 aggregate(cbind(x1, x2) ~ year + month, data = df1, sum, na.rm = TRUE) year month x1 x2 1 2000 1 7.862002 -7.469298 2 2001 1 276.758209 474.384252 3 2000 2 13.122369 -128.122613 ... 23 2000 12 63.436507 449.794454 24 2001 12 999.472226 922.726589 

Vedere ?aggregate , l’argomento formula e gli esempi.

Utilizzo del pacchetto data.table , che è veloce (utile per set di dati più grandi)

https://github.com/Rdatatable/data.table/wiki

 library(data.table) df2 <- setDT(df1)[, lapply(.SD, sum), by=.(year, month), .SDcols=c("x1","x2")] setDF(df2) # convert back to dataframe 

Utilizzando il pacchetto plyr

 require(plyr) df2 <- ddply(df1, c("year", "month"), function(x) colSums(x[c("x1", "x2")])) 

Utilizzo di riepilogo () dal pacchetto Hmisc (le intestazioni delle colonne sono disordinate nel mio esempio)

 # need to detach plyr because plyr and Hmisc both have a summarize() detach(package:plyr) require(Hmisc) df2 <- with(df1, summarize( cbind(x1, x2), by=llist(year, month), FUN=colSums)) 

Con il pacchetto dplyr , è ansible utilizzare le funzioni dplyr , dplyr o summarise_if per aggregare più variabili contemporaneamente. Per il set di dati di esempio puoi farlo come segue:

 library(dplyr) # summarising all non-grouping variables df2 <- df1 %>% group_by(year, month) %>% summarise_all(sum) # summarising a specific set of non-grouping variables df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(x1, x2), sum) df2 <- df1 %>% group_by(year, month) %>% summarise_at(vars(-date), sum) # summarising a specific set of non-grouping variables based on condition (class) df2 <- df1 %>% group_by(year, month) %>% summarise_if(is.numeric, sum) 

Il risultato delle ultime due opzioni:

  year month x1 x2     1 2000 1 -73.58134 -92.78595 2 2000 2 -57.81334 -152.36983 3 2000 3 122.68758 153.55243 4 2000 4 450.24980 285.56374 5 2000 5 678.37867 384.42888 6 2000 6 792.68696 530.28694 7 2000 7 908.58795 452.31222 8 2000 8 710.69928 719.35225 9 2000 9 725.06079 914.93687 10 2000 10 770.60304 863.39337 # ... with 14 more rows 

Nota: summarise_each è deprecato a favore di summarise_all , summarise_at e summarise_if .


Come menzionato nel mio commento sopra , puoi anche utilizzare la funzione di recast dal reshape2 :

 library(reshape2) recast(df1, year + month ~ variable, sum, id.var = c("date", "year", "month")) 

che ti darà lo stesso risultato.

In ritardo per la festa, ma recentemente ho trovato un altro modo per ottenere le statistiche di riepilogo.

library(psych) describe(data)

Produrrà: media, min, max, deviazione standard, n, errore standard, curtosi, skewness, mediana e intervallo per ciascuna variabile.