多变量组的描述性统计

Question

给定数据框（df）

Hup Hop testA   testB
Y   Hi  1   1
N   Lo  2   2
Y   Mi  3   3
N   No  4   4
Y   Hi  5   5
N   Lo  6   6
Y   Mi  7   7
N   No  8   8
Y   Hi  9   9
N   Lo  10  10
Y   Mi  11  11
N   No  12  12

我想要分组变量 Hup 和 Hop 的 testA 和 testB 的描述性统计数据（平均值和标准差）。我想要这样的东西。

hup testA.mean  testA.sd    testB.mean  testB.sd
y   7            3.742            7      3.742
n   6            3.742            6      3.742
hop testA.mean  testA.sd    testB.mean  testB.sd
hi  etc           Etc            etc       Etc
lo  etc           Etc            etc       Etc
mi  etc           Etc            etc       Etc

使用例如ddply(df,~hup,summarise,mean=round(mean(testA),3),sd=round(sd(testA),3)) 可以解决部分问题。但我想加快进程：学习如何使用 R。所以，我想：

lapply(df[ , c("testA", "testB")], function(x){ ddply(df, ~df[ , c("hup")], function(x) {mean(x)} )})

这不起作用，它返回 NA，错过 SD 并仅报告 hup 的结果。

问：如何为具有多个变量的多个组生成描述性统计数据？

Answer 1

对于显示我认为tables 包中的tabular 函数最简单：

library(tables)
tabular(Hup + Hop ~ (testA + testB)*((n = 1) + mean + sd), data = df)
##       testA         testB        
##       mean  sd    n mean  sd    n
##Hup N  7     3.742 6 7     3.742 6
##    Y  6     3.742 6 6     3.742 6
##Hop Hi 5     4.000 3 5     4.000 3
##    Lo 6     4.000 3 6     4.000 3
##    Mi 7     4.000 3 7     4.000 3
##    No 8     4.000 3 8     4.000 3

U 也可以将tabular() 对象包装在latex() 中，以LaTeX 语法输出表格。

Answer 2

library(reshape2)
library(plyr)

dfm <- melt(df, id.vars = c("Hup", "Hop"))

splits <- list(.(Hup, variable), .(Hop, variable))
## or something like
## splits <- data.frame(rbind(head(names(dfm), -2), "variable")) 
lapply(splits, ddply, .data = dfm, .fun = summarize, mean = mean(value), sd = sd(value))

## [[1]]
##   Hup variable mean       sd
## 1   N    testA    7 3.741657
## 2   N    testB    7 3.741657
## 3   Y    testA    6 3.741657
## 4   Y    testB    6 3.741657

## [[2]]
##   Hop variable mean sd
## 1  Hi    testA    5  4
## 2  Hi    testB    5  4
## 3  Lo    testA    6  4
## 4  Lo    testB    6  4
## 5  Mi    testA    7  4
## 6  Mi    testB    7  4
## 7  No    testA    8  4
## 8  No    testB    8  4