按因素对多列进行多项统计

Question

假设我想计算 "dat_1" 到 [=36= 列的平均值、标准差和 n（非 NA 值的数量） ] 以下数据框，按因素 "fac_1" 和 "fac_2" 分组，以便可以从结果

访问每个统计信息（或函数）的单独数据框

set.seed(1)
df <- data.frame("fac_1" = c(rep("a", 5), rep("b", 4)),
             "fac_2" = c("x", "x", "y","y", "y", "y", "x", "x", "x"),
             "dat_1" = c(floor(runif(3, 0, 10)), NA, floor(runif(5, 0, 10))),
             "dat_2" = floor(runif(9, 10, 20)),
             "dat_3" = floor(runif(9, 20, 30)))

这可以使用plyr一次实现一个功能，因此

ddply(.data = df, .variables = .(df$fac_1, df$fac_2), .fun = function(x) { colMeans(x[, 3:5], na.rm = T) } ) # mean
ddply(.data = df, .variables = .(df$fac_1, df$fac_2), .fun = function(x) { psych::SD(x[, 3:5], na.rm = T) } ) # standrd deviation -- note uses SD from the 'psych' package
ddply(.data = df, .variables = .(df$fac_1, df$fac_2), .fun = function(x) { colSums(!is.na(x[, 3:5])) } ) # number of non-NA values

但这在使用多个函数时变得很麻烦，尤其是当必须更改感兴趣的因子和列时。我想知道是否有其他选择（也许是单线）。

综合作品

aggregate( x = df[, c(3:5)], by = df[, c(1,2)], FUN = function(x) c(n = length( !is.na(x) ), mean = mean(x, na.rm = T), sd = sd(x, na.rm = T) ) )

但是 'disaggregating' 结果（每个统计数据进入单独的数据帧）变得很尴尬。

最近我遇到了dplyr。以下似乎有效

df %>% group_by(fac_1, fac_2) %>% summarise_each(funs(n = length( !is.na(.) ), mean(., na.rm = TRUE), sd(., na.rm = TRUE) )) # using dplyr

但是我希望能够将因子粘贴到 group_by() 中，但我还没有找到这样做的方法。

有什么帮助或想法吗？谢谢

Answer 1

将向量或列表传递给 dplyr 函数可能很棘手（请参阅 this vignette.）简而言之，它涉及添加额外的下划线，以使用函数的标准评估版本，然后传递向量或列表.dots 参数。

factorsToSummarise <-
  c('fac_1', 'fac_2')

   # extra underscore
        # |
df %>%  # v
  group_by_(.dots = factorsToSummarise) %>% 
  summarise_each(funs(n = length( !is.na(.) ), 
                      mean(., na.rm = TRUE), 
                      sd(., na.rm = TRUE) 
  )) # using dplyr

按因素对多列进行多项统计

Multiple statistics of multiple columns by factor(s)

r

plyr

dplyr