如何动态地对值进行子集化并计算平均值答案

【问题标题】：How to dynamically subset values and calculate the mean如何动态地对值进行子集化并计算平均值
【发布时间】：2013-03-14 06:04:45
【问题描述】：

我有一个包含三个变量（ACC、Type 和 ID）的数据框，其中 ACC 指的是决策的准确性，Type 指的是 30 种不同的决策类型，每种决策类型在参与者身上重复 15 次，并且ID 指的是参与者。它看起来像这样：

ID     ACC     Type
1       1       1
1       0       3   
1       1      10
etc...
2       1       5
2       0      13
2       0      11
etc...

我的目标是分析参与者中每种决策类型的准确性，并将数据合并到一个数据框中。如：

ID    ACC_Type1     ACC_Type2 […]  ACC_Type30
1       70             65             87
2       65             50             90
etc...

到目前为止，我能够通过单独子集决策类型进行计算，但是，我正在寻找一种更智能的方法来避免单独输入决策类型值：

library(data.table)
library(plyr)
dt <- data.table(d,key="Type")
dt_Type1<-data.frame (aggregate(ACC~ID,data=subset(dt,Type==1),mean))
dt_Type2<-data.frame (aggregate(ACC~ID,data=subset(dt,Type==2),mean))
[]
dt_Type30<-data.frame (aggregate(ACC~ID,data=subset(dt,Type==30),mean))

total <- merge(dt_Type1,dt_Type2 […] Type30,by="ID")

感谢任何帮助！

【问题讨论】：

标签： r aggregate plyr subset

【解决方案1】：

如果DT 是你的data.table，那么你可以使用by=Type （当然发布一些示例数据将有助于生成更准确的答案）：

但是这样的东西应该可以工作

  DT[,  mean(ACC),  by = Type]

【讨论】：

感谢您的评论。它给了我类型的平均 ACC，但我需要每个参与者的平均类型 ACC。我尝试在Type后添加ID，但没有成功。

【解决方案2】：

您对子集所做的操作太过分了。对aggregate 的基本调用就足够了。此外，要获得所需的输出，您需要使用reshape。这是一个例子：

样本数据：

set.seed(1)
mydf <- data.frame(
  ID = rep(1:3, each = 6),
  ACC = sample(0:5, 18, replace = TRUE),
  TYPE = rep(1:3, 6)
)

第 1 步：聚合

temp <- aggregate(ACC ~ ID + TYPE, mydf, mean)
temp
#   ID TYPE ACC
# 1  1    1 3.0
# 2  2    1 2.5
# 3  3    1 3.0
# 4  1    2 1.5
# 5  2    2 2.0
# 6  3    2 3.0
# 7  1    3 4.0
# 8  2    3 2.0
# 9  3    3 4.5

第 2 步：重塑

reshape(temp, direction = "wide", idvar = "ID", timevar = "TYPE")
#   ID ACC.1 ACC.2 ACC.3
# 1  1   3.0   1.5   4.0
# 2  2   2.5   2.0   2.0
# 3  3   3.0   3.0   4.5

更新

“reshape2”中的dcast 可以通过其fun.aggregate 参数一步完成，但您需要进行一些清理以修复名称。

> dcast(mydf, ID ~ TYPE, fun.aggregate = mean, value.var = "ACC")
  ID   1   2   3
1  1 3.0 1.5 4.0
2  2 2.5 2.0 2.0
3  3 3.0 3.0 4.5

【讨论】：

【解决方案3】：

使用Ananda的数据，可以得到data.table的解：

require(data.table)
dt <- data.table(mydf)
setkey(dt, "TYPE", "ID")
dt[, mean(ACC), by=key(dt)][, setattr(as.list(V1), 'names', 
                paste0("ACC", ID)), by=TYPE]
#    TYPE ACC1 ACC2 ACC3
# 1:    1  3.0  2.5  3.0
# 2:    2  1.5  2.0  3.0
# 3:    3  4.0  2.0  4.5

【讨论】：

+1 非常好！您还可以使用list(paste0('ACC_', Type) = as.list(V1)) 保留列名
嗯，我不能实际上 +1 我没有选票了。但你有我的精神投票
@RicardoSaporta，setattr(., 'names', .) 更好。已编辑。
@RicardoSaporta，这不是问题所在。问题是它是as.list(.)，你不能在不使用setNames(.) 的情况下为as.list 分配名称。 data.table 中的等价物是 setattr(., 'names', .)。即使有可能，执行list(as.list(.)) 也会导致列类型为列表。
哇，我试过了，效果很好，谢谢大家的帮助！！