R语言 数据分组汇总：求平均值、标准差、标准误 |
您所在的位置：网站首页 › word上怎么求平均值 › R语言 数据分组汇总：求平均值、标准差、标准误 |
|
Summarizing data 汇总数据
当你想按组对数据进行汇总（包括平均值、标准差等） 这里介绍的三种方法可以根据某些指定变量对数据进行分组 并对每组应用汇总函数（如平均值、标准差等）： 1、函数 ddply() ，来自 plyr 包，最容易使用的 2、函数 summarizeBy() ，来自 doBy 包，比较容易使用 3、函数 aggregate() ，来自R base 包，较难使用 示例数据 不同性别受试者，服用阿斯匹林或安慰剂前后的观测值以及变化差值 由性别和条件的组合来分组：F-安慰剂、F-阿司匹林、M-安慰剂和 M-阿司匹林 并希望计算出每个组的： 1） N（个体数） 2） mean of change（变化均值） 3） standard deviation（标准差） 4） standard error of the mean （均值标准误差） data 1 F aspirin 5 -3.420000 0.8642916 0.3865230 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 #> 4 M placebo 4 -0.975000 0.7804913 0.3902456处理丢失的数据： 如果数据中有 NA 值，就需要设定参数 na.rm=TRUE ； length() 没有 na.rm 这个选项，因此只能 sum(!is.na(...)) 来计算有多少个非 NA 值 # 先放一点NA值进来 dataNA 2 F placebo 12 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 7 -5.142857 1.0674848 0.4034713 #> 4 M placebo 3 -1.300000 0.5291503 0.30550502、函数 summarizeBy() library(doBy) cdata sex condition change.length change.mean change.sd #> 1 F aspirin 5 -3.420000 0.8642916 #> 2 F placebo 12 -2.058333 0.5247655 #> 3 M aspirin 9 -5.411111 1.1307569 #> 4 M placebo 4 -0.975000 0.7804913 # 重命名 change.length 这一列为 N names(cdata)[names(cdata)=="change.length"] 1 F aspirin 5 -3.420000 0.8642916 0.3865230 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 #> 4 M placebo 4 -0.975000 0.7804913 0.3902456处理丢失数据： na.rm=TRUE 可以传递给 summaryBy() 调用的每个函数，除了 length() # 写一个新版本的 length 让它可以识别 na.rm=T length2 3 M aspirin 7 -5.142857 1.0674848 #> 4 M placebo 3 -1.300000 0.5291503扩充：安排一步得出均值、计数、标准差、标准误和置信区间的函数summarySE 写函数： ## 对数据进行汇总 ## 得到 计数, 均值, 标准差, 标准误 和 置信区间 (95%). ## data: 数据框 ## measurevar: 需要进行汇总的列 ## groupvars: 提供分组的列 ## na.rm: 一个布尔值，决定是否忽略NA ## conf.interval: 置信区间的百分比范围 (默认是 95%) summarySE 1 F aspirin 4 -3.425000 0.9979145 0.4989572 1.5879046 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 0.3334201 #> 3 M aspirin 7 -5.142857 1.0674848 0.4034713 0.9872588 #> 4 M placebo 3 -1.300000 0.5291503 0.3055050 1.3144821用NA填充空白组合： 有时，汇总数据框中会出现空的因子组合，即有可能出现的因素组合，但实际上并没有出现在原始数据框架中。 在汇总数据框中自动用 NA 填入这些组合通常很有用。 为此，在调用 ddply() 或 summarySE() 时设置 .drop=FALSE 。 用法示例： # 首先把 男性+安慰剂 组合的数据删去 dataSub sex condition N change sd se ci #> 1 F aspirin 5 -3.420000 0.8642916 0.3865230 1.0731598 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 0.3334201 #> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 0.8691767 # 设置 .drop=FALSE 不放弃这些组合 summarySE(dataSub, measurevar="change", groupvars=c("sex", "condition"), .drop=FALSE) #> Warning in qt(conf.interval/2 + 0.5, datac$N - 1): NaNs produced #> sex condition N change sd se ci #> 1 F aspirin 5 -3.420000 0.8642916 0.3865230 1.0731598 #> 2 F placebo 12 -2.058333 0.5247655 0.1514867 0.3334201 #> 3 M aspirin 9 -5.411111 1.1307569 0.3769190 0.8691767 #> 4 M placebo 0 NaN NA NA NA用0填充空白组合： 原理同上，但改用0填充 写用0填充的函数： fillMissingCombs 3 M aspirin 9 -5.411111 1.1307569 0.3769190 0.8691767 #> 4 M placebo 0 0.000000 0.0000000 0.0000000 0.00000003、使用R自带的aggregate() 缺点是步骤较为繁琐 优点是不用安装新的R包 # 统计每个类别（性别*条件）中的受试者人数 cdata sex condition subject #> 1 F aspirin 5 #> 2 M aspirin 9 #> 3 F placebo 12 #> 4 M placebo 4 # 重命名 "subject" 这一列为 "N" names(cdata)[names(cdata)=="subject"] sex condition N #> 1 F aspirin 5 #> 2 M aspirin 9 #> 3 F placebo 12 #> 4 M placebo 4 # 按 sex 排序 cdata sex condition N #> 1 F aspirin 5 #> 3 F placebo 12 #> 2 M aspirin 9 #> 4 M placebo 4 # 同时保留 __before__ 和 __after__ 这两列: # 按性别和条件获取平均效应大小 cdata.means sex condition before after change #> 1 F aspirin 11.06000 7.640000 -3.420000 #> 2 M aspirin 11.26667 5.855556 -5.411111 #> 3 F placebo 10.13333 8.075000 -2.058333 #> 4 M placebo 11.47500 10.500000 -0.975000 # 合并数据框 cdata sex condition N before after change #> 1 F aspirin 5 11.06000 7.640000 -3.420000 #> 2 F placebo 12 10.13333 8.075000 -2.058333 #> 3 M aspirin 9 11.26667 5.855556 -5.411111 #> 4 M placebo 4 11.47500 10.500000 -0.975000 # 获取 "change"的样本 (n-1) 标准差 cdata.sd 1 F aspirin 0.8642916 #> 2 M aspirin 1.1307569 #> 3 F placebo 0.5247655 #> 4 M placebo 0.7804913 # 合并 cdata sex condition N before after change change.sd #> 1 F aspirin 5 11.06000 7.640000 -3.420000 0.8642916 #> 2 F placebo 12 10.13333 8.075000 -2.058333 0.5247655 #> 3 M aspirin 9 11.26667 5.855556 -5.411111 1.1307569 #> 4 M placebo 4 11.47500 10.500000 -0.975000 0.7804913 # 最后计算标准误 cdata$change.se sex condition N before after change change.sd change.se #> 1 F aspirin 5 11.06000 7.640000 -3.420000 0.8642916 0.3865230 #> 2 F placebo 12 10.13333 8.075000 -2.058333 0.5247655 0.1514867 #> 3 M aspirin 9 11.26667 5.855556 -5.411111 1.1307569 0.3769190 #> 4 M placebo 4 11.47500 10.500000 -0.975000 0.7804913 0.3902456如果数据中有NA值并希望忽略它们，设置 na.rm=TRUE cdata.means sex condition before after change #> 1 F aspirin 11.06000 7.640000 -3.420000 #> 2 M aspirin 11.26667 5.855556 -5.411111 #> 3 F placebo 10.13333 8.075000 -2.058333 #> 4 M placebo 11.47500 10.500000 -0.975000 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |