从R中的频率表计算分组方差答案

【问题标题】：Calculating grouped variance from a frequency table in R从R中的频率表计算分组方差
【发布时间】：2015-02-22 15:41:46
【问题描述】：

我如何在 R 中从如下所示的数据集中计算总体方差和每个组的方差（例如）：

Group Count Value
A      3     5
A      2     8
B      1     11
B      3     15

我知道要计算整体方差，而忽略我会做的组： var(rep(x$Value, x$Count)), 但是我如何自动计算每组考虑频率的方差？例如，A 组、B 组等的方差...我希望我的输出具有以下标题：

Group, Total Count, Group Variance

我也查看了此链接； R computing mean, median, variance from file with frequency distribution 不同（没有组组件）所以这不是重复的。

感谢大家的帮助。

【问题讨论】：

标签： r frequency variance frequency-distribution

【解决方案1】：

一个选项是使用data.table。将data.frame转换为data.table（setDT），通过“Group”得到“Value”的var和“Count”的sum。

library(data.table)
setDT(df1)[, list(GroupVariance=var(rep(Value, Count)),
                      TotalCount=sum(Count)) , by = Group]
#    Group GroupVariance TotalCount
#1:     A           2.7          5
#2:     B           4.0          4

使用dplyr 的类似方式是

library(dplyr)
group_by(df1, Group) %>% 
      summarise(GroupVariance=var(rep(Value,Count)), TotalCount=sum(Count))
#     Group GroupVariance TotalCount
#1     A           2.7          5
#2     B           4.0          4

【讨论】：

【解决方案2】：

这是一个带有基础 R 的快速包装器。第一步是按 Count 增长数据集，然后按组计算方差

df1 <- df[rep(seq_len(nrow(df)), df$Count), ]
with(df1, tapply(Value, Group, var))
#   A   B 
# 2.7 4.0

或者类似

aggregate(Value ~ Group, df1, function(x) c(Var = var(x), Count = length(x)))
#   Group Value.Var Value.Count
# 1     A       2.7         5.0
# 2     B       4.0         4.0

【讨论】：

我正在尝试解决这个问题 - 但聚合选项对我不起作用。不是错误，只是错误的值...您的第一个选项和“数据表”选项有效。
您在aggregate 中使用的是df 还是df1。使用df1很重要
啊，我明白了。谢谢。现在工作。因此，聚合是此处“with”选项的替代方案。谢谢您的帮助。很多不同的方法来做同样的事情——试图找出哪一个是直观的。
@DavidArenburg，是否可以在没有 rep() 函数的情况下使用基本 R 计算方差？我有概率但没有频率表？
@Nick rep 函数与var 无关。它用于扩展数据大小。