data.frame 中列的子集和计数值

Question

我有一个长度为 100000 的 data.frame。现在我想计算不同的 data.frame 长度（水平从 0.01 到 0.99）这个子集中的正值和负值。

> dput(sumDF[1:100])
structure(c(3000, 2000, 5000, 4000, 1000, 4000, 0, 3000, 4000, 
2000, 2000, 3000, 1000, -3000, 2000, 0, 4000, 1000, 1000, 2000, 
2000, 2000, 2000, 1000, 3000, 1000, 4000, 3000, 2000, 3000, 1000, 
1000, 4000, 2000, 0, 1000, 2000, 5000, 3000, 3000, 0, 2000, 2000, 
3000, 1000, -1000, 2000, 1000, 2000, 3000, 2000, 3000, 2000, 
2000, 2000, 2000, 3000, 3000, 3000, 2000, 3000, 3000, 1000, 3000, 
1000, 2000, 1000, -1000, 0, 2000, 2000, 3000, 0, 3000, 2000, 
2000, 5000, 3000, 2000, 1000, 3000, 3000, 4000, 1000, 2000, 2000, 
3000, 0, 3000, 1000, 0, 4000, 4000, 2000, 3000, 0, 2000, 4000, 
0, 0), .Names = c("modelOutcome1", "modelOutcome2", "modelOutcome3", 
"modelOutcome4", "modelOutcome5", "modelOutcome6", "modelOutcome7", 
"modelOutcome8", "modelOutcome9", "modelOutcome10", "modelOutcome11", 
"modelOutcome12", "modelOutcome13", "modelOutcome14", "modelOutcome15", 
"modelOutcome16", "modelOutcome17", "modelOutcome18", "modelOutcome19", 
"modelOutcome20", "modelOutcome21", "modelOutcome22", "modelOutcome23", 
"modelOutcome24", "modelOutcome25", "modelOutcome26", "modelOutcome27", 
"modelOutcome28", "modelOutcome29", "modelOutcome30", "modelOutcome31", 
"modelOutcome32", "modelOutcome33", "modelOutcome34", "modelOutcome35", 
"modelOutcome36", "modelOutcome37", "modelOutcome38", "modelOutcome39", 
"modelOutcome40", "modelOutcome41", "modelOutcome42", "modelOutcome43", 
"modelOutcome44", "modelOutcome45", "modelOutcome46", "modelOutcome47", 
"modelOutcome48", "modelOutcome49", "modelOutcome50", "modelOutcome51", 
"modelOutcome52", "modelOutcome53", "modelOutcome54", "modelOutcome55", 
"modelOutcome56", "modelOutcome57", "modelOutcome58", "modelOutcome59", 
"modelOutcome60", "modelOutcome61", "modelOutcome62", "modelOutcome63", 
"modelOutcome64", "modelOutcome65", "modelOutcome66", "modelOutcome67", 
"modelOutcome68", "modelOutcome69", "modelOutcome70", "modelOutcome71", 
"modelOutcome72", "modelOutcome73", "modelOutcome74", "modelOutcome75", 
"modelOutcome76", "modelOutcome77", "modelOutcome78", "modelOutcome79", 
"modelOutcome80", "modelOutcome81", "modelOutcome82", "modelOutcome83", 
"modelOutcome84", "modelOutcome85", "modelOutcome86", "modelOutcome87", 
"modelOutcome88", "modelOutcome89", "modelOutcome90", "modelOutcome91", 
"modelOutcome92", "modelOutcome93", "modelOutcome94", "modelOutcome95", 
"modelOutcome96", "modelOutcome97", "modelOutcome98", "modelOutcome99", 
"modelOutcome100"))
> levels <- c(0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 0.95, 0.99)
> levelLength <- length(sumDF) * levels
> levelLength
 [1]  1000  5000 10000 20000 30000 40000 50000 60000 70000 80000 90000 95000 99000

我的问题是我得到的 "how long the data.frame" 应该是，但我没有得到 data.frame 中的 "winners" 和 "losers" 的计数。因此，1 维的值 data.frame，大于 0，赢家，或小于或等于 0，输家。

举个例子，我的 data.frame 的长度为 100000。在 1% 的水平上，它的长度只有 1000。以这1000个元素为例，有800个在0以上，200个在0以下或等于0。如何获得 800 和 200?

我尝试了以下方法：

countWin <- length(sumDF[1:levelLength > 0])
Warning message:
In 1:levelLength : numerical expression has 13 elements: only the first used

有什么建议吗，如何从我的向量中获取特定数量的元素？

感谢您的回复。

更新

示例：

我的 data.frame sumDF 看起来像这样：

> sumDF[1:3]
modelOutcome1 modelOutcome2 modelOutcome3 
         3000          2000          5000

我的 data.frame sumDF 的长度为 100000

我想用以下级别长度对我的 data.frame sumDF 进行子集化。

> levelLength
 [1]  1000  5000 10000 20000 30000 40000 50000 60000 70000 80000 90000 95000 99000

所以对于 levelLength 1000，我想从 0 到 1000 对 sumDF 进行子集化。

此外，在这个子集中，我想计算所有 vals >0，我的赢家和所有 <=0，我的输家。

我的最终 data.frame 应该是这样的：

"levels" "winners" "losers"
0.01         900      100
0.05         2400     2600
0.10         6000     4000
0.20          .         .
0.30          .         .
0.40         
0.50         
0.60         
0.70         
0.80         
0.90         
0.95         
0.99

Answer 1

dput 输出是 vector。要获取小于 0 的 sum 个值，

  sum(sumDF<0)
  #[1] 3

我们也可以使用table来得到输家和赢家的频率

  table(sumDF <0)
  #FALSE  TRUE 
  # 97     3

如果我们有 data.frame 或 matrix

  colSums(sumDF <0)

不确定我是否理解最近的编辑，也许我们在 cut 将对象放入不同的容器后得到 'sumDF' 的频率。使用 cut，我们可以通过指定 breaks.

来获取这些组

   levellength <-  c(1, 5, seq(10, 90, by=10), 95, 99)
   tbl <- table(cut(sumDF, breaks=levellength), sumDF)

假设，如果我们需要得到每个组的累计和，在用apply循环遍历'tbl'的列后使用cumsum。

   tbl1 <- apply(tbl, 2, cumsum)

标签（rownames）可以通过使用sub来匹配括号后面的数字（(），并将其替换为1。

   rownames(tbl1) <- sub('(?<=\()\d+', '1', rownames(tbl1), perl=TRUE)
   tbl1
   #    sumDF
   #       -3000 -1000 0 1000 2000 3000 4000 5000
   #(1,5]      0     0 0    0    0    0    0    0
   #(1,10]     0     0 0    0    0    0    0    0
   #(1,20]     0     0 0    0    0    0    0    0
   #(1,30]     0     0 0    0    0    0    0    0
   #(1,40]     0     0 0    0    0    0    0    0
   #(1,50]     0     0 0    0    0    0    0    0
   #(1,60]     0     0 0    0    0    0    0    0
   #(1,70]     0     0 0    0    0    0    0    0
   #(1,80]     0     0 0    0    0    0    0    0
   #(1,90]     0     0 0    0    0    0    0    0
   #(1,95]     0     0 0    0    0    0    0    0
   #(1,99]     0     0 0    0    0    0    0    0

注意：根据输入示例，频率均为 0。

我们还可以通过使用 labels 参数来更改 cut 本身内的标签。我们创建一个自定义标签 ('lvls') 并在 cut 中使用它。除此之外，下面的代码与上面的类似。

  lvls <- paste0('(', '1,', c(5,seq(10,90, by=10), 95, 99), ']')
  tbl <- table(sumDF, cut(sumDF, breaks=levellength, labels=lvls))
  apply(tbl, 1, cumsum)

data.frame 中列的子集和计数值

Subsetting and counting values in columns in a data.frame

statistics

r