对数据分组中的多列重复一个函数

Question

我是一个完全的 R 新手，除其他外，我对一些术语感到困惑。但我的顾问希望我简化他现在研究中非常乏味的例程。

我们的数据分为 2 个城市，一个 5 人，一个 4 人，每个说话者每个变量有 110 到 112 个数据点，总共 21 个变量。 （因此，在 Excel 中，城市一列，人一列，21 个变量中的每一个都有一列。）我们只是试图用均值、中值、标准偏差、过度峰度和偏度来描述数据。我们也在使用 shapiro.test。

现在，我们为每个人定义了一个对象，并在该对象的一列上运行每个函数，但耗时太长。 我怎样才能让测试只针对一个发言者在每个变量的列上运行？我已经阅读了有关 apply 系列和 for 循环的信息，但我似乎无法让它们为我工作- -我可能缺少术语。

如果有帮助，城市会被标记为 Erie 和 Rice，说话人只有 Erie1、Erie2、Rice 1 等。

谢谢！

附：如果可能的话，我非常感谢知道如何获得可复制粘贴到 Excel 中的结果，因为我们仍在复制和粘贴单个函数的结果。

Answer 1

您正在寻找的功能可能是

tapply

或者

aggregate

类似

DF=data.frame(Cities,Speakers,Var1,Var2,...,Varn)

这是您的 data.frame，Var1 到 Varn 是您要查找的 20 个变量。

我将进行 shapiro.test，这可能更复杂：

T = aggregate(DF$Var1,by=list(DF$Cities),FUN=shapiro.test)

你可以通过City+Speaker的组合获得夏皮罗测试

T = aggregate(DF$Var1,by=list(DF$Cities,DF$Speaker),FUN=shapiro.test)

试试看并告诉我们！

Answer 2

以下代码创建了一个我认为看起来像你的数据集：

library(dplyr)
nobs = 2 * 5 * 110
dat = data.frame(city = sample(c('Erie', 'Rice'), nobs, replace = TRUE)) %>%
  mutate(speaker = paste0(city, sample(1:5, nobs, replace = TRUE))) %>%
  arrange(city, speaker)
data_matrix = matrix(runif(21 * nobs), nobs, 21)
colnames(data_matrix) = sprintf('Var%d', 1:21)
dat = as.data.frame(cbind(dat, data_matrix))

接下来，我们可以使用dplyr 将数据拆分为每个独特的城市/说话者组合。我们使用便捷函数summarise_each 一次应用多个函数：

dat %>% group_by(city, speaker) %>% summarise_each(funs(mean, sd, median), Var1:Var21)
Source: local data frame [10 x 65]
Groups: city [?]

     city speaker Var1_mean Var2_mean Var3_mean Var4_mean Var5_mean Var6_mean
   (fctr)   (chr)     (dbl)     (dbl)     (dbl)     (dbl)     (dbl)     (dbl)
1    Erie   Erie1 0.5028917 0.5069724 0.4720252 0.5462675 0.5021429 0.5134384
2    Erie   Erie2 0.5378896 0.5151194 0.5429039 0.5159513 0.4622817 0.5328961
3    Erie   Erie3 0.4767338 0.4752459 0.5210605 0.4467936 0.4967070 0.4934170
4    Erie   Erie4 0.4752356 0.5497244 0.5010823 0.4944027 0.5000894 0.4926613
5    Erie   Erie5 0.5187913 0.5090330 0.4960665 0.5002147 0.4679352 0.5181322
6    Rice   Rice1 0.5237725 0.4987702 0.4989190 0.5655607 0.5295775 0.5155883
7    Rice   Rice2 0.5043830 0.4851659 0.5363700 0.5089221 0.5155034 0.5116563
8    Rice   Rice3 0.4701997 0.4877534 0.5037869 0.5250760 0.4662257 0.5158385
9    Rice   Rice4 0.4920601 0.5390394 0.5033235 0.5214137 0.4796411 0.5298566
10   Rice   Rice5 0.4922858 0.4702580 0.4977153 0.4571975 0.5128249 0.4979027
Variables not shown: Var7_mean (dbl), Var8_mean (dbl), Var9_mean (dbl),
  Var10_mean (dbl), Var11_mean (dbl), Var12_mean (dbl), Var13_mean (dbl),
  Var14_mean (dbl), Var15_mean (dbl), Var16_mean (dbl), Var17_mean (dbl),
  Var18_mean (dbl), Var19_mean (dbl), Var20_mean (dbl), Var21_mean (dbl),
  Var1_sd (dbl), Var2_sd (dbl), Var3_sd (dbl), Var4_sd (dbl), Var5_sd (dbl),
  Var6_sd (dbl), Var7_sd (dbl), Var8_sd (dbl), Var9_sd (dbl), Var10_sd (dbl),
  Var11_sd (dbl), Var12_sd (dbl), Var13_sd (dbl), Var14_sd (dbl), Var15_sd
  (dbl), Var16_sd (dbl), Var17_sd (dbl), Var18_sd (dbl), Var19_sd (dbl),
  Var20_sd (dbl), Var21_sd (dbl), Var1_median (dbl), Var2_median (dbl),
  Var3_median (dbl), Var4_median (dbl), Var5_median (dbl), Var6_median (dbl),
  Var7_median (dbl), Var8_median (dbl), Var9_median (dbl), Var10_median (dbl),
  Var11_median (dbl), Var12_median (dbl), Var13_median (dbl), Var14_median
  (dbl), Var15_median (dbl), Var16_median (dbl), Var17_median (dbl),
  Var18_median (dbl), Var19_median (dbl), Var20_median (dbl), Var21_median
  (dbl)

这种方法的缺点是我们在输出data.frame 中得到number_of_vars 乘以number_of_summary_functions 变量。或者，我们可以使用tidyr 将我们的数据从宽格式组织到长格式。然后我们使用dplyr得到结果：

library(tidyr)
dat %>% gather(variable, value, -city, -speaker) %>% 
  group_by(city, speaker, variable) %>%
  summarise_each(funs(mean, sd, median), value)
Source: local data frame [210 x 6]
Groups: city, speaker [?]

     city speaker variable      mean        sd    median
   (fctr)   (chr)   (fctr)     (dbl)     (dbl)     (dbl)
1    Erie   Erie1     Var1 0.5531500 0.2836093 0.5969408
2    Erie   Erie1     Var2 0.4776046 0.3118265 0.4591285
3    Erie   Erie1     Var3 0.5256391 0.2927646 0.5126190
4    Erie   Erie1     Var4 0.4732230 0.2810146 0.4556239
5    Erie   Erie1     Var5 0.4647291 0.2932984 0.4461107
6    Erie   Erie1     Var6 0.5062291 0.2924258 0.5132119
7    Erie   Erie1     Var7 0.4815738 0.2928289 0.4526164
8    Erie   Erie1     Var8 0.4920858 0.2976184 0.5169642
9    Erie   Erie1     Var9 0.4900656 0.2793954 0.4935924
10   Erie   Erie1    Var10 0.4626460 0.2807313 0.4608666
..    ...     ...      ...       ...       ...       ...

这会添加一个额外的变量来对变量进行编码，并为每个汇总函数添加一个变量。